UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE CIENCIAS ECONÓMICAS CONTABLES Y

ADMINISTRATIVAS

ESCUELA ACADÉMICO PROFESIONAL DE ECONOMÍA

Tema:

“MODELO ANCOVA APLICANDO LA METODOLOGÍA DE LA

ECONOMETRÍA”

Cátedra:
ECONOMETRÍA II

Docente:
Doc. Eco. Gaitán Guerra, Luis

PRESENTADO POR:
Arce Cabrera, Larry Jerico

Huamán Torres, Jhampiere

Lozano Cotrina, Frank Jeanpierre

CAJAMARCA – PERÚ
2023
 PRESENTACIÓN
El presente trabajo tiene como objetivo analizar el
crecimiento económico del Perú mediante el uso de un
modelo de ANCOVA. En el modelo se incluyen
variables explicativas que permiten comparar el efecto
de diferentes regiones geográficas, como la región
Sierra, la región Selva y la región Costa. Asimismo, se
incluye una variable que representa el valor de las
exportaciones del país, lo que permite estudiar la
relación entre las exportaciones y el crecimiento
económico. Es importante entender estas relaciones
para poder establecer políticas económicas adecuadas
que fomenten el crecimiento económico del país.
Además, el análisis de covarianza puede ayudar a
identificar los factores que más influyen en el
crecimiento económico y a entender cómo se
relacionan entre sí.
 AGRADECIMIENTO
Agradecemos a Dios, por la vida y por la fuerza
espiritual que nos otorgó para poder realizar este
trabajo de aplicación. Al profesor economista
Luis Gaitán Guerra del curso de Econometría,
por ser quien nos guio en la elaboración de este
trabajo de aplicación, por brindarnos los
conocimientos necesarios para aplicar nuestras
capacidades en el desarrollo del mismo y por ser
un amigo incondicional guiándonos en cada
momento.
 CONTENIDO

Tabla de contenido
PRESENTACIÓN...................................................................................................................

AGRADECIMIENTO............................................................................................................

CONTENIDO..........................................................................................................................

I. INTRODUCCIÓN.........................................................................................................

I. OBJETIVOS..................................................................................................................

II. DESARROLLO.............................................................................................................

1. PLANTEAMIENTO DE LA TEORÍA O HIPÓTESIS.............................................

2. ESPECIFICACIÓN DEL MODELO MATEMÁTICO............................................

3. ESPECIFICACIÓN DEL MODELO ECONOMÉTRICO.......................................

4. OBTENCIÓN DE DATOS...........................................................................................

5. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO....................................11

6. PRONÓSTICO O PREDICCIÓN.............................................................................20

7. UTILIZACIÓN DEL MODELO CON FINES DE CONTROL.............................21

III. CONCLUSIONES.......................................................................................................22
 I. INTRODUCCIÓN

En este estudio, se pretende desarrollar un modelo econométrico para predecir el

crecimiento económico del Perú, considerando varias variables exógenas, como las
exportaciones y la región geográfica. Para lograr este objetivo, se seguirán los 8 pasos
de la metodología econométrica tradicional: 1. Planteamiento de la teoría o hipótesis, 2.
Especificación del modelo matemático, 3. Especificación del modelo econométrico, 4.
Obtención de información, 5. Estimación del modelo econométrico, 6. Prueba de
Hipótesis, 7. Pronóstico o Predicción, 8. Utilización del Modelo con fines de control o
política.

En primer lugar, se obtendrá el planteamiento de la teoría a partir de una revisión

exhaustiva de la literatura especializada en Macroeconomía. Luego, se procederá a
especificar el modelo matemático, basándose en la teoría económica correspondiente. A
través de la agregación de una variable aleatoria o estocástica, se logrará transformar el
modelo matemático en un modelo econométrico. Para llevar a cabo este modelo, se
requerirá información estadística relevante. Los datos necesarios para realizar el modelo
se obtendrán del Banco Central de Reserva del Perú (BCRP) y el Instituto Nacional de
Estadística e Informática. Se utilizarán diversas técnicas econométricas para estimar los
parámetros del modelo, incluyendo pruebas de hipótesis estadísticas y técnicas de
análisis de regresión. Finalmente, se utilizará el software de análisis econométrico
EVIEWS 12 para estimar los coeficientes del modelo econométrico y realizar las
pruebas de hipótesis. El modelo resultante se utilizará para hacer predicciones sobre el
crecimiento económico futuro del Perú y para fines de control y política económica.

OBJETIVOS
General

 Mostrar cómo la aplicación del modelo ANCOVA puede ayudar a entender la

relación entre las variables de exportaciones, región geográfica y otras variables
exógenas en el crecimiento económico del Perú.
Específicos

 Identificar la influencia de cada variable en el crecimiento económico del país y

determinar si existen interacciones significativas entre ellas.
 Utilizar el modelo ANCOVA para tomar decisiones informadas sobre políticas
económicas y de control.
 Estimar los coeficientes de las variables y su significancia estadística para
predecir el crecimiento económico futuro del Perú de manera más precisa.
 II. DESARROLLO

¿Qué es un modelo econométrico?

Es un modelo estadístico o matemático que representa la relación entre dos o
más variables. Su utilización permite hacer estimaciones acerca del efecto de una
variable sobre otra y/o hacer predicciones acerca del valor futuro de las variables.
A continuación, se presenta la estimación del modelo a estudiar:

1. PLANTEAMIENTO DE LA TEORÍA O HIPÓTESIS

El modelo ANCOVA presentado, que incluye la variable explicativa de las
exportaciones y variables dummy de región para controlar los efectos de la región en el
crecimiento económico del Perú, tiene sustento teórico y empírico. Existe una amplia
evidencia empírica que respalda la relación positiva y significativa entre las
exportaciones y el crecimiento económico en distintos países y regiones del mundo.
Esta relación se sustenta en teorías como la ventaja comparativa y el enfoque de
crecimiento liderado por las exportaciones, que argumentan que los países que se
especializan en la producción de bienes y servicios que tienen ventajas comparativas y
los exportan al resto del mundo, tienden a crecer más rápido que aquellos que no lo
hacen. Además, estudios como el de Krugman (1994) han demostrado que las
exportaciones son un motor importante del crecimiento económico y que los países que
se han orientado hacia las exportaciones han tenido éxito en el crecimiento económico.

Por otro lado, la inclusión de variables dummy de región también tiene sustento teórico
y empírico. En la teoría económica, se sabe que los distintos territorios presentan
características únicas que influyen en la dinámica del crecimiento económico. Por
ejemplo, la disponibilidad de recursos naturales, la calidad de la infraestructura y la
educación, y la existencia de redes empresariales y de innovación, son algunos de los
factores que influyen en el crecimiento económico de una región. En la evidencia
empírica, se han realizado numerosos estudios que han demostrado la importancia de las
variables dummy de región en el análisis económico. Por ejemplo, en un estudio
realizado por Jones y Olken (2010) se analizó el impacto de la geografía en el
crecimiento económico, y se encontró que las diferencias geográficas explican una gran
parte de las diferencias de ingresos entre países. Además, se ha demostrado que las
políticas públicas y los incentivos económicos tienen efectos diferentes en distintas
regiones, lo que nos sugiere la necesidad de considerar los efectos de la región en el
análisis económico.
Por último, para el desarrollo del modelo hemos considerado tomar los años, 2017, 2010
y 2007 debido a que consideramos que esto nos permitirá; Identificar tendencias a largo
plazo, al analizar los datos de tres años separados por intervalos de siete años, se pueden
observar patrones a largo plazo en el crecimiento económico de Perú y cómo las
variables explicativas han influido en estos patrones.

Identificar cambios significativos, al comparar los resultados del modelo ANCOVA

para los tres años, se pueden identificar cambios significativos en la relación entre las
variables explicativas y el crecimiento económico. Esto puede ser útil para entender
cómo la economía peruana ha evolucionado y cómo se han adaptado las políticas
económicas a estas tendencias.

Informar la toma de decisiones, pues, el modelo ANCOVA puede ser útil para los
responsables de la toma de decisiones, ya que puede proporcionar información valiosa
sobre cómo las políticas económicas y las decisiones empresariales afectan al
crecimiento económico de Perú. Al entender las relaciones entre las variables
explicativas y el crecimiento económico, los responsables de la toma de decisiones
pueden tomar decisiones más informadas y estratégicas.

2. ESPECIFICACIÓN DEL MODELO MATEMÁTICO

Crecimiento=f ( β 0+ β 1 Export+ β 2 Sierra+ β 3 Selva+ β 4 Costa )
3. ESPECIFICACIÓN DEL MODELO ECONOMÉTRICO
Crecimiento=β 0+ β 1 Export + β 2 Sierra+ β 3 Selva+ β 4 Costa+ µ
Donde:
o Crecimiento: Representa el crecimiento económico por departamento.
o Export: Representa el valor de las exportaciones por departamento.
o Sierra: Es una variable dummy que toma el valor de 1 si el departamento se
encuentra en la Sierra, y 0 en caso contrario.
o Selva: Es una variable dummy que toma el valor de 1 si el departamento se
encuentra en la Selva, y 0 en caso contrario.
o Costa: Es una variable dummy que toma el valor de 1 si el departamento se
encuentra en la Costa, y 0 en caso contrario. Esta variable es necesaria para
establecer una categoría base para las variables dummy de región.
o β0: Es el intercepto, es decir, el valor esperado del crecimiento económico para la
categoría base de región (en este caso, Costa) cuando el valor de las exportaciones
es cero.
o β1: Coeficiente de la variable explicativa Exports, que representa la relación entre
el valor de las exportaciones y el crecimiento económico del país.
o β2: Coeficiente de la variable dummy Sierra, que representa la diferencia en el
crecimiento económico entre los departamentos de la Sierra y los departamentos de
la Costa.
o β3: Coeficiente de la variable dummy Selva, que representa la diferencia en el
crecimiento económico entre los departamentos de la Selva y los departamentos de
la Costa.
o β4: Coeficiente de la variable dummy Costa, que representa la diferencia en el
crecimiento económico entre los departamentos de la Costa (categoría base) y los
departamentos de la Sierra y Selva.

o 𝝁: Término de perturbación estocástica

 El crecimiento económico se refiere al aumento de la producción económica de
un país o región en un período de tiempo determinado, generalmente medido por
el aumento del producto interno bruto (PIB). El crecimiento económico es un
indicador clave del bienestar económico de una sociedad y suele estar asociado
con un aumento en el empleo y la prosperidad.

 Las exportaciones por departamento, se refiere a las exportaciones de bienes

y servicios producidos en un departamento específico de un país. En muchos
países, los departamentos o provincias tienen especializaciones económicas
particulares, y por lo tanto, producen bienes y servicios que son diferentes a los
de otros departamentos. Por lo tanto, las exportaciones por departamento pueden
ser un indicador importante de las fortalezas económicas de cada región y de
cómo contribuyen al comercio internacional del país en su conjunto

 Costa se refiere a la región geográfica que se encuentra junto al mar,

caracterizada por un clima tropical o subtropical y una variedad de actividades
económicas relacionadas con el turismo, la pesca y el comercio.

 Sierra es una región montañosa que se encuentra en América Latina,

caracterizada por su clima fresco y suelos ricos en minerales. La sierra a menudo
es utilizada para la agricultura y la ganadería.

 Selva se refiere a una región geográfica con una densa vegetación y una gran
variedad de fauna. Las selvas se encuentran típicamente en regiones tropicales y
subtropicales, y a menudo son utilizadas para la agricultura y la extracción de
recursos naturales.

Entonces se tiene que: Crecimiento=f(Exportaciones, Sierra, Selva, Costa)

 4. OBTENCIÓN DE DATOS
Los datos tomados para el caso de cada departamento del Perú para los años
2017, 2010 y 2007. La variable Crecimiento económico se representó por el PBI
que se obtuvo en millones de soles a precio corriente, las exportaciones se
representan por origen en millones de soles y las variables duumy tomaron el
valor de 1 si el departamento se encontraba en la respectiva zona geográfica y 0
de lo contrario.

Crecimiento econ. (PBI Exportaciones Dummy1 Dummy2 Dummy3

AÑO Departamento
milones s/.) (millones s/.) (Sierra) (Selva) (Costa)
Apurímac 7170.167 2848.150923 1 0 0
Ayacucho 5925.434 308.5582301 1 0 0
Cajamarca 11483.085 2384.477822 1 0 0
Cusco 22002.498 1435.838932 1 0 0
Huancavelica 3527.402 43.80568385 1 0 0
Huánuco 6078.804 30.60223153 1 0 0
Junín 15325.96 909.0650243 1 0 0
Pasco 5443.266 214.0211521 1 0 0
Puno 9797.81 1554.468268 1 0 0
Tumbes 2865.339 142.3721796 1 0 0
Amazonas 3169.633 34.97721252 0 1 0
Loreto 9334.543 22.28653342 0 1 0
2017
Madre de Dios 2125.388 80.67674755 0 1 0
San Martín 6083.527 95.37986484 0 1 0
Ucayali 4625.003 20.58905285 0 1 0
Áncash 19985.182 3752.044614 0 0 1
Arequipa 31408.989 5061.009293 0 0 1
Ica 17655.405 3263.088714 0 0 1
La Libertad 22629.943 2808.370005 0 0 1
Lambayeque 12114.059 419.2224359 0 0 1
Lima 240557.069 15571.79949 0 0 1
Moquegua 8422.34 1552.219544 0 0 1
Piura 20529.216 2063.153598 0 0 1
Tacna 8731.283 168.4915121 0 0 1
 Apurimac 1824.181 8.096016 1 0 0
Ayacucho 2975.676 47.40091 1 0 0
Cajamarca 8159.499 1171.887485 1 0 0
Cusco 10913.725 547.020524 1 0 0
Huancavelica 2475.279 110.033664 1 0 0
Huanuco 3200.861 41.981167 1 0 0
Junin 9240.435 1579.335486 1 0 0
Pasco 5486.459 803.883048 1 0 0
Puno 5888.474 146.534562 1 0 0
Tumbes 1637.185 55.415081 1 0 0
Amazonas 1778.775 12.091059 0 1 0
Loreto 6910.964 89.532207 0 1 0
2007
Madre de dios 1864.543 7.961826 0 1 0
San Martin 3266.254 96.932934 0 1 0
Ucayali 3054.659 32.719185 0 1 0
Ancash 15672.771 4007.706077 0 0 1
Arequipa 16991.831 2054.834245 0 0 1
Ica 8793.956 1802.24292 0 0 1
La Libertad 14615.612 1376.488192 0 0 1
Lambayeque 6880.024 198.139205 0 0 1
Lima 136238.703 9264.969101 0 0 1
Moquegua 7525.1 2332.820069 0 0 1
Piura 12651.72 1489.625809 0 0 1
Tacna 5143.137 773.008034 0 0 1

Fuente: Elaboración Propia con datos de INEI.

 5. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO

a. Para el año 2017

Fuente: elaboración propia con Eviews 12 sv

Tras la aplicación de MICO en nuestra ecuación principal, hemos obtenido los

siguientes valores para nuestros parámetros:

𝛽0 = -14500.44

𝛽1 = 14.7878
𝛽2 = 8864.814
𝛽3 = 18817.11
Interpretación:

𝑅2: Al tener un coeficiente de determinación del 90.78%, podemos decir que, el

valor de las exportaciones y la región geográfica explican en tal medida la
variación porcentual del desempleo si todo lo demás permanece constante; El
9.22% restante es explicado por otras variables que no fueron incluidas en el
modelo. si todo lo demás permanece constante.

𝛽0: El valor esperado del crecimiento económico para la categoría base de región
(Costa) cuando el valor de las exportaciones es cero es de -14500.44. Este valor
representa el intercepto de la ecuación.

𝛽1: En promedio, por cada millón de soles de aumento en el valor de las

exportaciones, se espera que el crecimiento económico de los departamentos
aumente en 14.7878 millones de soles.

𝛽2: En promedio, se espera que el crecimiento económico de los departamentos

de la Sierra sea 8864.814 millones de soles más alto que el crecimiento
económico de los departamentos de la Costa.

𝛽3: En promedio, se espera que el crecimiento económico de los departamentos

de la Selva sea 18817.11 millones de soles más alto que el crecimiento
 económico de los departamentos de la Costa.

b. Para el año 2010

Fuente: elaboración propia con Eviews 12 sv

Tras la aplicación de MICO en nuestra ecuación principal, hemos obtenido los siguientes
valores para nuestros parámetros:

𝛽0 = -16457.08

𝛽1 = 13.70954
𝛽2 = 15315.74
𝛽3 = 19691.46
Interpretación:

𝑅2: Al tener un coeficiente de determinación del 85.80%, podemos decir que, el

valor de las exportaciones y la región geográfica explican en tal medida la
variación porcentual del desempleo si todo lo demás permanece constante; El
14.20% restante es explicado por otras variables que no fueron incluidas en el
modelo. si todo lo demás permanece constante.

𝛽0: El valor esperado del crecimiento económico para la categoría base de región
(Costa) cuando el valor de las exportaciones es cero es de -16457.08. Este valor
representa el intercepto de la ecuación.

𝛽1: En promedio, por cada millón de soles de aumento en el valor de las

exportaciones, se espera que el crecimiento económico de los departamentos
aumente en 13.70954 millones de soles.

𝛽2: En promedio, se espera que el crecimiento económico de los departamentos

de la Sierra sea 15315.74 millones de soles más alto que el crecimiento
económico de los departamentos de la Costa.
 𝛽3: En promedio, se espera que el crecimiento económico de los departamentos
de la Selva sea 19691.46 millones de soles más alto que el crecimiento
económico de los departamentos de la Costa.

c. Para el año 2007

Fuente: elaboración propia con Eviews 12 sv

Tras la aplicación de MICO en nuestra ecuación principal, hemos obtenido los

siguientes valores para nuestros parámetros:

𝛽0 = -11315.70

𝛽1 = 14.00672
𝛽2 = 10176.63
𝛽3 = 14020.56
Interpretación:

𝑅2: Al tener un coeficiente de determinación del 87.81%, podemos decir que, el

valor de las exportaciones y la región geográfica explican en tal medida la
variación porcentual del desempleo si todo lo demás permanece constante; El
12.19% restante es explicado por otras variables que no fueron incluidas en el
modelo. si todo lo demás permanece constante.

𝛽0: El valor esperado del crecimiento económico para la categoría base de región
(Costa) cuando el valor de las exportaciones es cero es de -11315.70. Este valor
representa el intercepto de la ecuación.

𝛽1: En promedio, por cada millón de soles de aumento en el valor de las

exportaciones, se espera que el crecimiento económico de los departamentos
aumente en 14.00672 millones de soles.

𝛽2: En promedio, se espera que el crecimiento económico de los departamentos

de la Sierra sea 10176.63 millones de soles más alto que el crecimiento
 económico de los departamentos de la Costa.

𝛽3: En promedio, se espera que el crecimiento económico de los departamentos

de la Selva sea 14020.56 millones de soles más alto que el crecimiento
económico de los departamentos de la Costa.

PRUEBA DE HIPÓTESIS

a. Para el año 2017:

Para 𝖰𝟏:

 Como el “t” calculado es mayor que el “t” tabulado, aceptamos la

hipótesis alternativa, por lo que la variable exportaciones es
estadísticamente significativa de manera individual.
Para 𝖰𝟐:

 Como el “t” calculado es menor que el “t” tabulado, aceptamos la hipótesis nula,
por lo que la variable Sierra, no es estadísticamente significativa de manera
 individual.
Para 𝖰𝟑:

 Como el “t” calculado es menor que el “t” tabulado, aceptamos la

hipótesis nula, por lo que la variable sierra, no es significativa de manera
individual.

PRUEBA DE HIPÓTESIS GLOBAL

Al ser Fo mayor a 2.86 se acepta la hipótesis alternativa, por lo que se concluye que los
estimadores son significativos de manera global.
b. Para el año 2010

Para 𝖰𝟏:

 Como el “t” calculado es mayor que el “t” tabulado, aceptamos la

hipótesis alternativa, por lo que la variable exportaciones es
estadísticamente significativa de manera individual.

Para 𝖰𝟐:

 Como el “t” calculado es menor que el “t” tabulado, aceptamos la

 hipótesis nula, por lo que la variable Sierra, no es estadísticamente
significativa de manera individual.

Para 𝖰𝟑:

 Como el “t” calculado es mayor que el “t” tabulado, rechazamos la

hipótesis nula, por lo que la variable sierra, si es significativa de manera
individual.

PRUEBA DE HIPÓTESIS GLOBAL

Al ser Fo mayor a 2.86 se acepta la hipótesis alternativa, por lo que se concluye que los
 estimadores son significativos de manera global.

c. Para el año 2007

10.99

 Como el “t” calculado es mayor que el “t” tabulado, aceptamos la

hipótesis alternativa, por lo que la variable exportaciones es
estadísticamente significativa de manera individual.

Para 𝖰𝟐:

1.90
  Como el “t” calculado es menor que el “t” tabulado, aceptamos la hipótesis nula,
por lo que la variable Sierra, no es estadísticamente significativa de manera
individual.
Para 𝖰𝟑:

Selva
2.16

 Como el “t” calculado es mayor que el “t” tabulado, rechazamos la

hipótesis nula, por lo que la variable sierra, si es significativa de manera
individual.

PRUEBA DE HIPÓTESIS GLOBAL

48.02

0.8781

2927 48.02
60
Al ser Fo mayor a 2.86 se acepta la hipótesis alternativa, por lo que se concluye que los
estimadores son significativos de manera global.
 6. PRONÓSTICO O PREDICCIÓN
Para realizar la predicción, se tomaron los valores de beta para el año 2010, mientras que el
valor de la variable exportación fue tomado para el año 2017 para funcionar como variable
de predicción del Crecimiento económico del departamento para 2017 debido a la falta de
datos posteriores a la fecha en cuestión.

a. Para el caso de Lima

A continuación, se presentan los valores de las variables estudiadas en el modelo con el fin de
pronosticar el crecimiento del departamento para el 2017.

CRECIM. 2017
VARIABLE
LIMA
EXPORT. 15571.79949
SIERRA 0
SELVA 0
Fuente: sacado de BCRP

CrecimientoLIMA = 𝛽0 + 𝛽1EXPORT + 𝛽2SIERRA + 𝛽3SELVA + 𝜇

CrecimientoLIMA = -16457.08 + 13.70954 (15571.79949) + 15315.74 (0) + 19691.46 (0)

CrecimientoLIMA = 197025.1279

La predicción para el crecimiento de lima es de 197025.1279 millones de soles con un error

aleatorio µ que representa la diferencia entre la predicción y el valor real.

b. Para el caso de Cajamarca

A continuación, se presentan los valores de las variables estudiadas en el modelo con el fin de
pronosticar el crecimiento del departamento para el 2017.

CRECIM. 2017
VARIABLE
CAJAMARCA
EXPORT. 2384.477822
SIERRA 1
SELVA 0
Fuente: sacado de BCRP

CrecimientoCAJAMARCA = 𝛽0 + 𝛽1EXPORT + 𝛽2SIERRA + 𝛽3SELVA + 𝜇

CrecimientoCAJAMARCA = -16457.08 +13.70954 (2384.47782) +15315.74 (1) + 19691.46 (0)

CrecimientoCAJAMARCA = 31548.7540

La predicción para el crecimiento de Cajamarca es 31548.7540 millones de soles con un error

aleatorio µ que representa la diferencia entre la predicción y el valor real.
 7. UTILIZACIÓN DEL MODELO CON FINES DE CONTROL
El gobierno quiere pronosticar, cuánto será el crecimiento económico de Cajamarca para el
2017. Para ello han considerado como variables explicativas a, la variable exportaciones
(export) ya que podría representar el efecto que tienen las exportaciones en el
crecimiento económico de la región, ya que un aumento en estas podría generar mayores
ingresos y fomentar el desarrollo económico en Cajamarca. Por otro lado, creyeron
conveniente usar las variables Sierra y Selva ya que podrían ser utilizadas para capturar
los efectos regionales en el crecimiento económico, considerando las particularidades de
cada zona geográfica. Para ello se tomaron los siguientes valores:
CrecimientoCAJAMARCA = 𝛽0 + 𝛽1EXPORT + 𝛽2SIERRA + 𝛽3SELVA + 𝜇

3 1 5 4 8. 7 5 4 0 = -16457.08 + 13.70954 (EXPORTCAJAMARCA 2017) +15315.74(1) + 19691.46 (0)

31548.7540 = -16457.08 + 13.70954 (EXPORTCAJAMARCA 2017) + 15315.74 (1)

EXPORTCAJAMARCA 𝟐𝟎17 = 2 3 8 4 . 4 7 7 5 2

De acuerdo a los resultados, para el año 2017 se pronostica que el crecimiento de Cajamarca
será menor con respecto a su crecimiento en 2010 (data tabla) siendo un total de
2 3 8 4 . 4 7 7 5 2 millones de soles.
III. CONCLUSIONES
 El modelo econométrico especificado relaciona el crecimiento
económico de los departamentos del Perú con el valor de sus
exportaciones y la región geográfica a la que pertenecen. Los coeficientes
estimados indican que el valor de las exportaciones y la región
geográfica son factores significativos que influyen en el crecimiento
económico de los departamentos.

 De acuerdo a los resultados obtenidos, nos muestra que para el caso de

Lima, la predicción para su crecimiento es de 197025.1279 millones de
soles. Mientras que para el caso de Cajamarca es de es 31548.7540
millones de soles.
 Nuestra variable de estudio exportaciones para el año 2017 presenta una
significancia individual en el modelo; mientras que para el año 2010 solo
las variables exportaciones y selva presentan una significancia
individual.
 Los resultados de la estimación de los parámetros del modelo indican
que, en ambos años, las variables explicativas tienen una relación
significativa con el crecimiento económico. El valor de las exportaciones
y la ubicación geográfica explican en gran medida la variación
porcentual del crecimiento económico en cada departamento, con
coeficientes de determinación (R2) del 85.80% en 2010 y del 90.78% en
2017. Esto significa que el modelo es adecuado para explicar la relación
entre las variables.
 Por lo anterior expuesto, podemos concluir que el modelo econométrico
ANCOVA utilizado para analizar el crecimiento económico de los
departamentos del Perú ha demostrado que las variables explicativas de
exportaciones y ubicación geográfica tienen una relación significativa
con el crecimiento económico. Además, los resultados muestran que la
ubicación geográfica de los departamentos es un factor importante en el
crecimiento económico, con las regiones de Sierra y Selva registrando un
crecimiento económico más alto que la Costa. Por lo tanto, las políticas
económicas deben tener en cuenta estas variables para fomentar el
crecimiento económico en todo el país.
REFERENCIAS

https://estadisticas.bcrp.gob.pe/estadisticas/series/buscador

https://estadisticas.bcrp.gob.pe/estadisticas/series/anuales/resultados/RD17023DA/html