UES ECONOMÍA Trabajo estadistica II REGRESION

UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS ECONOMICAS

DEPARTAMENTO DE MATEMATICAS Y ESTADISTICAS

ASIGNATURA: ESTADISTICA II

GRUPO TEORICO:

CATEDRATICO:

TEMA:

Regresión de mínimos cuadrados

(Valor de la exportación de café en quintal en el salvador en dependencia de cantidad de quintal de

café exportado, de los precios pagados al caficultor y la generación de empleo.)

Por:

CIUDAD UNIVERSITARIA, 29 DE NOVIEMBRE DEL 2011

INTEGRANTE CARNET


Universidad de El Salvador Página 1

Índice

1. Introducción ........................................................................................................................... 2

2. Objetivos de la investigación.................................................................................................. 3

2.1 Objetivo general .................................................................................................................. 3

2.2 Objetivos específicos ........................................................................................................... 3

3. Marco teórico de la investigación ........................................................................................... 4

4. Especificación del modelo de regresión. ................................................................................ 9

5. Hipótesis del modelo. ........................................................................................................... 10

6. Descripción de variables y Fuente de datos........................................................................ 11

7. Resultados de la regresión .................................................................................................. 12

8. Test sobre supuestos del modelo. ....................................................................................... 14

8.1 Normalidad: Test de Jarque Bera. ............................................................................... 15

8.2 Test significancia global del modelo: Prueba F ................................................................. 16

8.3 Determinación de intervalos de confianza para los coeficientes estimados. ..................... 17

8.4 Test de significancia de coeficientes: Prueba t .................................................................. 18

9. Proyecciones con la regresión obtenida. ............................................................................. 19

10. Conclusiones ................................................................................................................... 20

11. Recomendaciones ........................................................................................................... 21

12. Bibliografía ....................................................................................................................... 22

13. Anexos ............................................................................................................................. 22



1. Introducción

En el presente trabajo de investigación que se presenta a continuación sobre regresión lineal, se

tomo como modelo supuesto, la dependencia del Valor de la exportación de café en quintal, lo cual

lo afirmamos en el modelo. Como nuestra variables en Y ya que consideramos que el Valor de la

exportación de café depende de una manera significativa de lo que es Cantidad de quintal de café

exportado, de los precios pagados al caficultor y la generación de empleo. Considerando esto

plasmaos nuestro modelo de regresión lineal que se considera modelo múltiple ya que la variable Y

depende de más de Una variables.

Concluyendo esto hemos formulado nuestro modelo. También se ha colocado el supuesto de la

hipótesis nula y alternativa considerando el modelo econométrico, los resultados de regresión están

divididos en secciones por lo cual se identifican por los test sobre el supuesto del modelo,

considerando la normalidad la significancia global. Los gráficos que se presentan son un breve

resumen de lo que es nuestro modelo, con el fin de darle mejor explicación de darle mucha

importancia a nuestra regresión obtenida.



2. Objetivos de la investigación

2.1 Objetivo general

Identificar las variables de estudios y aplicarle el método regresión de mínimos cuadrados a través

de herramientas estadística con el fin de obtener un modelo regresión lineal aplicado a la realidad.

2.2 Objetivos específicos

Conocer el modo de regresión lineal como se aplica en herramientas estadísticas e

interpretaras.

Conocer las pruebas tets de normalidad de significancia y de coeficientes con el fin de

interpretarlas,

Analizar e interpretar nuestro modelo econométrico planteado en nuestro trabajo.



3. Marco teórico de la investigación

3.1 ORIGEN DEL CAFÉ.

El café se encuentra representado por un número considerado de especies que crecen en estado

silvestre, donde el mayor número de estas se encuentra en el Continente Africano, y las menos

numerosas en el Continente Asiático. En América, el café está representado por el género “Coffea

Arábiga” que se especula es el resultado del cruce de dos especies de las tierras bajas, tales como

el género “Coffea Canephoras” y el género “Coffea Eugenoides”; esta ultima especie es la que más

se parece al género “Coffea Arábica” y cuyo origen es de Abisinia (actualmente Etiopía) en África.

Las investigaciones del café sostienen que este fue llevado a Europa por los turcos, quienes

conquistaron el Cairo en 1517; en tanto que otros aseguran que fueron las relaciones comerciales

establecidas entre los países europeos y los países asiáticos lo que llevó el cultivo del café a

Europa. Los europeos fomentaron el cultivo del café en los países Africanos, en su propio territorio y

en sus colonias de las zonas tropicales.

De acuerdo a la hegemonía que los países europeos ejercían sobre los territorios que producían el

café, así era la inclinación a favorecer el consumo de este producto en sus habitantes. De ahí que

Francia impulsara el consumo del café en su país y el cultivo del grano en sus colonias Africanas; en

tanto que Inglaterra promovió dentro de su territorio el consumo del té y fortaleció el cultivo en la

India, razón que justifica la preferencia de los ingleses por la bebida de té sobre la bebida de café.

3.2 LA EXPANSIÓN DEL CAFÉ

En 1706, de la colonia de JAVA, se remite a Holanda una rama con frutos de cafeto de los cultivados

en la isla y una mata nacida en los cafetos traídos de Arabia, que fue entregada al jardín botánico, el

cual distribuyó los primeros granos entre todos los jardines botánicos de Europa; razón por la cual

se le llamó al jardín botánico de Ámsterdam “La Almaciguera de Todos los Cafetales” , y a

Holanda, el principal diseminador del café en el mundo.

En 1714 el jardín botánico de Ámsterdam preparó un envió de cafetos a su colonia de Surinam

(Guayana Holandesa) en Sudamérica (1714 – 1718, posible período de introducción del cultivo).

Posteriormente se introduce a la Guayana Francesa, de donde se supone que fue llevado a la Isla

Martinica; y desde estos lugares se formaron dos polos de distribución: de la Guayana Holandesa,

hacia América del Sur; y de la Isla Martinica, hacia el Caribe, América Central y México.



Según los datos históricos, algunas fuentes revelan que el café se introdujo en Haití y Santo

Domingo en 1715, en Venezuela entre 1730 y 1732, en Cuba alrededor de 1748 y en 1755 en la isla

de Puerto Rico. Por otra parte, la introducción del café en Colombia y Brasil se produjo entre los

años de 1760 y 1770.

Se estima que en Centro América el período de introducción fue entre 1779 y 1796 en el país de

Costa Rica, mientras que en El Salvador la introducción del café fue entre 1800 y 1820, en

Guatemala en el año de 1835 y en Belice en 1837.

3.3 El CAFÉ EN EL SALVADOR.

En 1857 las plantaciones de café se desarrollaban en Santa Ana, Ahuachapán y Sonsonate;

existiendo para el año 1861 en Santa Ana 1.6 millones de plantas de café en viveros, 0.69 millones

de plantas trasplantadas y 0.60 millones de cafetos en producción, propagándose el cultivo a San

Vicente y al volcán Chaparrastique.

Entre 1860 y 1880 el desarrollo del café en Santa Tecla fue tan alto que, de 0.21 millones de cafetos

plantados en el año de 1861, se llegó a 2.4 millones en el año de 1880. En este año de 1880 el

departamento de la Libertad contaba con mas de 4.0 millones de cafetos plantados, mientras que en

Santa Ana se triplicó la producción entre 1877 y 1881, duplicándose con todo esto las exportaciones

entre 1877 y 1880, de 5 mil sacos a 10.5 miles de sacos.

3.4 DESARROLLO DEL SECTOR CAFETALERO.

Dentro del plan de diversificación que ofreció el Gobierno de España a El Salvador, se desarrolló en

nuestro país el cultivo del café, el cual se introdujo un siglo después del arribo de los españoles en

América; es de mencionar que en la época colonial ya se producía café en El Salvador.

Al brasileño Antonio Coelho, se le atribuye el crédito de haberles demostrado a los salvadoreños el

valor comercial del café y el de la introducción de nuevos métodos de cultivo.

El adquirió una hacienda, denominándola “La Esperanza” (actualmente Urbanización La Esperanza-

Colonia Médica), posiblemente como un insigne de la nueva alternativa agrícola ante el inminente

colapso que se vaticinaba en el cultivo y producción del añil. Para 1870 los precios del café

mostraban un comportamiento alcista y los del añil una tendencia a la baja.



3.5 LA DECADENCIA DEL SECTOR CAFETALERO.

La caficultura ha sido un sector importante para el crecimiento de la economía nacional por diversos

aspectos, tales como: la generación de divisas, la carga fiscal, generación de empleo, servicios

ambientales, y sobre todo, como fuente de acumulación de los mantos acuíferos.

A pesar de su importancia, la caficultura tras un siglo de bonanza y prosperidad, sufrió a partir de

1990 el embate de la aplicación de políticas económicas orientadas al incremento de las tasas

impositivas a la exportación de productos tradicionales, las que provocaron una baja sensible tanto

en la producción como en las exportaciones.

Recientemente, se agregaron a los problemas de la producción internacional, algunos factores

locales que hasta ahora no han sido tratados con acciones previsibles que permitan controlarlos,

factores como: terremotos, repetitivas sequías, inundaciones por lluvias, delincuencia rural, políticas

crediticias, infraestructura y otros de menor relevancia. En este sentido, el sector ha entrado en un

período depresivo en términos financieros, ante el cual no se vislumbra, en el corto plazo, una

verdadera alternativa de solución.

3.6 LA CRISIS ACTUAL DEL SECTOR CAFETALERO.

En los últimos tres años, tras una serie de reveses en términos económicos y financieros, el sector

cafetalero de nuestro país ha llegado a un decaimiento tan grande, que ha provocado efectos en

diversos sectores; efectos que no pueden pasar desapercibidos, dado el impacto que tienen en el

medio social, en materia económica, en términos productivos, en la situación financiera de los

productores de café y de los sectores asociados y de transacción: en la recaudación fiscal de tipo

tributaria, en los flujos monetarios del sector productor y del sector familias, así como en materia

política.

3.7 EFECTO SOCIAL.

Según el Programa Mundial de Alimentos (PMA), existen 50 mil familias en riesgo de pasar hambre,

de las cuales el 60%; es decir, un equivalente a 30 mil familias, se encuentran en situación de riesgo

alimentario a causa de la crisis internacional del café; ya que estas familias radicadas en la zona

occidental de nuestro país, dependen de las actividades de mantenimiento y recolección del grano;

esto sin contar la población afecta del resto del país.



Otro efecto se visualiza en los ingresos de más de 20 mil productores que dependen

exclusivamente de este cultivo (aseveración de PROCAFÉ), además de aquellos que combinan el

cultivo del café con otras actividades productivas; en tanto que, los empleos que genera esta

actividad oscilan alrededor de un promedio de 132 mil para las actividades de mantenimiento y

recolección del grano.

Los empleos que el sector cafetalero ha generado, se han reducido en casi 80 mil puestos de trabajo

durante los últimos 10 años; sin embargo, es de tomar en cuenta que las reducciones mas drásticas

se dan en los últimos tres años, ya que entre los períodos 2000 y 2002 se han disminuido casi 75 mil

puestos de trabajo.

3.8 EFECTO ECONÓMICO.

En la perspectiva económica se puede observar que la caída de los precios del café a escala

internacional, no permite que la producción cafetera del país repunte como en años anteriores; por lo

que se consideró que la cosecha del período 2001-2002 sería una de las peores en la historia,

situación que se confirmó al final del año.

Lo anterior deja a nuestro país en riesgo de enfrentar una caída del Producto Interno Bruto (PIB),

ante la disminución acelerada de los ingresos generados por exportación del grano.

La tendencia a la baja de ingresos por exportaciones del grano, ha generado inestabilidad

económica en el sector cafetalero, depresión de los flujos monetarios del sector familias del área

rural como efecto de la pérdida de los empleos, y una disminución de las inversiones; las que

actualmente oscilan en unos 197 millones de dólares.

Adicionalmente, se ha experimentado una contracción de los ingresos en materia fiscal como efecto

de la poca captación de impuesto sobre la renta por exportaciones del café, así como un recorte en

el uso de insumos; afectándose de esta forma a otros sectores que de manera indirecta subsisten

del café, como por ejemplo, los distribuidores de productos fertilizantes.

3.9 EFECTO FINANCIERO.

Las finanzas del sector cafetalero constituyen un elemento mas, pues la crisis actual lo ha llevado a

reestructurar en el año 2001, deudas por más de 260 millones de dólares; contratados originalmente



a 20 años plazo con intereses bajos, mediante el “FICAFÉ”, que es el Fideicomiso Ambiental para la

Conservación del Parque Cafetalero /7.

La primera cuota de este fideicomiso venció a finales de Septiembre del año 2002 y un alto

porcentaje de deudores no cumplieron con su obligación. Este incumplimiento fue atribuido a la

caída de los precios internacionales, ya que los ingresos por exportación del grano ni siquiera

cubrieron los costos de operación de los productores.

La tasa de interés del FICAFÉ es del 5%; en tanto que, las tasas por diversos empréstitos otorgados

a los productores de café llegan hasta el 12% /8; razón por la que algunas de las propuestas de

solución formuladas hasta el momento, orientan sus planteamientos hacia la creación de fondos de

garantía (como la RECAF – Reserva Económica para la Caficultura propuesta por el Consejo

Salvadoreño del Café) con un monto aproximado de 192.4 millones de dólares /9, las cuales buscan

asegurar una regulación de precios.

Definitivamente, los productores necesitan financiamiento para el mantenimiento y la recolección de

la cosecha 2002–2003, pero el sector financiero no está anuente a efectuar mas desembolsos para

este sector, por el riesgo que representaría la recuperación de estos empréstitos en el corto plazo.

3.9 EFECTO TRIBUTARIO.

La disminución de ingresos del sector cafetalero por la caída de los precios, expone al país a una

posible ampliación del déficit fiscal; esto como un resultado directo de la contracción en la cuenta de

ingresos corrientes, originados por los impuestos a las exportaciones del grano.

De acuerdo al código tributario, el 1.5 % de los ingresos brutos de los productores de café son

retenidos en concepto de impuesto sobre la renta. Adicionalmente, estos efectúan el respectivo pago

a cuenta mensual en razón de este impuesto, y al final de los ejercicios fiscales, enteran el

correspondiente impuesto anual. Sin embargo, los productores sostienen que si actualmente no hay

ingresos, por lógica no se debería de aplicar el cargo tributario por concepto de impuesto sobre la

renta; y por ende, si no hay utilidades al final de un período, no debería aplicarse la cancelación del

respectivo pago a cuenta mensual.



4. Especificación del modelo de regresión.

El análisis del presente trabajo de investigación comprende el periodo de los años 1990 a 2010 en lo

que se refiere como nuestra variable Y. Valor de la exportación de café en quintal en el salvador en

estos periodos.

Cantidad de quintal de café exportado, como nuestro X1, Precios pagados al caficultor en quintal X2,

Generación de empleo anual X3.

Ya que se ha trabajado con variables dependientes e independientes, conforme al modelo que se

establece:

Y= Variable Dependiente.

X= Variables Independientes.

Y la ecuación de comportamiento se podrá indicar que es de tendencia de tipo lineal a la cual la

denotaremos de la siguiente forma

:

El modelo que se utilizara es el de regresión Lineal múltiple, por lo cual se cuenta con más de una

variable independiente, justificando que el modelo lineal a ocupar Donde: b0; b1; b2; b3 Son

conocidos como estimadores de los parámetros del modelo.

Para especificar nuestro modelo de econométrico basado en la realidad económica que a lo largo de

la historia como nación ha formado el cultivo del café, y es un factor importante en las exportaciones

que este genera.



5. Hipótesis del modelo

Para comenzar planteamos nuestra hipótesis nula y la alterna, las cuales son:

Paso 1: (hipótesis nula) Ho: B1, B2, B3=0

Ha: B1, B2, B3 ≠0 (uno o más de los parámetros no son iguales a cero)

H0: (hipótesis alterna) No existe una relación significativa entre la variable dependiente la cantidad

Valor de la exportación de café en quintal y Cantidad de quintal de café exportado, de los precios

pagados al caficultor y la generación de empleo. (Hipótesis alterna)

Con un nivel de significancia de 0.05 hacemos suponer también que la prueba de hipótesis también

es de dos colas por lo cual se divide esa proporción quedando un nivel de significancia de 0.025 a

los dos extremos.

Esquema 1

Paso 1

Planteamiento de la hipótesis nula y alterna

Paso 2

Seleccionar un nivel de significación

Paso 3

Calcular el estadístico de prueba, como

, según el tipo de problema

Paso 4

Formular una regla de decisión

Paso 5

Tomar una muestra y llegar a una decisión

Paso 6

Aceptar la Ho y rechazar Ha o bien rechazar

la Ho y aceptar la alterna



5.1 Descripción de variables

Valor de exportación de café en quintal:

Es el precio que se paga por quintal de café en el mercado extranjero, el cual está sometido

a fluctuaciones del mercado externo.

Cantidad de café en quintal exportado:

Bien producido en el país en grandes proporciones que son procesadas o semi procesadas

Para luego ser exportadas convirtiéndose así en ingresos nacionales.

Precios pagados al caficultor en quintal:

Es el precio pagado en el mercado interno por el bien producido de café por quintal en

dólares el cual está basado por políticas nacionales y precios establecidos

Generación de empleo anual:

Está basado en el cultivo del café ya que se requiere mucha mano de obra en el cultivo del

café en la generación de empleo anual



5.2 Base de datos

EL SALVADOR

CONSEJO SALVADOREÑO DEL CAFE

DEPARTAMENTO DE ESTUDIOS ECONOMICOS YESTADISTICASCAFETALERAS

Tabla 1

FUENTE: CONSEJO SALVADOREÑO DEL CAFÉ (todos los valores están dados por miles)

Las variables valor de exportación, cantidad de quintales, en dólares, precios pagados los

caficultores y generación de empleos están en la línea de variables cuantitativas.

año Valor de exportación café anual

Cantidades de qq de café producidos

Precios pagados a los caficultores

Generación de empleo

1990 244178,48 3026,05 37,26 181,83

1991 212132,12 2630,13 36,15 176,86

1992 166560,47 2838,20 36,33 157,69

1993 232724,38 3901,22 35,64 215,31

1994 248148,12 2721,20 100,62 170,17

1995 356489,94 2166,83 101,97 168,03

1996 335683,23 2948,30 76,12 161,96

1997 505619,08 3711,87 126,98 165,30

1998 383068,01 2474,45 85,44 150,12

1999 239220,84 2388,50 56,80 131,10

2000 311566,06 3260,48 45,20 185,63

2001 131268,47 2230,36 17,88 116,35

2002 104953,02 1997,36 22,13 109,62

2003 105568,16 1770,14 26,05 66,76

2004 122136,82 1783,96 39,73 64,98

2005 164520,27 1712,03 68,04 63,17

2006 185154,22 1667,36 68,32 81,28

2007 184732,96 1590,13 75,61 87,00

2008 253956,88 1913,98 87,27 105,99

2009 234655,75 1791,41 81,33 99,28

2010 191456,88 1299,24 113,29 75,00



6. Resultados de la regresión

Tabla 2

Tabla 3

Existe una relación más fuerte a la relación lineal positiva entre las variable, a .907 en Cantidad de

quintal de café exportado, de los precios pagados al caficultor y la generación de empleo y la

variable y Valor de la exportación de café en quintal A medida que aumenta la Cantidad de quintal

de café exportado, de los precios pagados al caficultor y la generación de empleo aumenta Y que

es Valor de la exportación de café en quintal

Coeficiente de determinación múltiple:

Ere cuadrado explica 0.823% al Valor de la exportación de café en quintal respecto a Cantidad de

quintal exportado y en los precios pagados los caficultores y generación empleos anuales

Coeficientesa

-107063 42435,310 -2,523 ,022

67,585 31,957 ,483 2,115 ,050

2205,817 324,128 ,699 6,805 ,000

308,431 487,903 ,144 ,632 ,536

(Constante)

Cantidades de QQ de

cafe produc ido

precios pagados a los

caf icultores QQ

Generac ion de Empleo

Modelo

1

B Error típ.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig.

Variable dependiente: Valor de exportac ionde cafe anuala.

Resum en de l m ode lo

,907a ,823 ,792 45706,694

Modelo

1

R R cuadrado

R cuadrado

corregida

Error típ. de la

estimación

Variables predictoras: (Constante), Generacion de Empleo ,

precios pagados a los caf icultores QQ, Cantidades de QQ

de cafe producido

a.



7. Test sobre supuestos del modelo.

Tabla 4

Modelo de regresión lineal múltiple.

Nuestro modelo de regresión lineal se constituye múltiple ya que hay una variable Y que depende

de otras en consecuencia X1, X2, X3. Donde Y es una variable dependiente y X variables explicativas

Es el valor que intercepta en el eje y sin influencia de Cantidad de quintal de café

exportado, Precios pagados al caficultor en quintal, Generación de empleo anual

Es el incremento por cada unidad en mil en Cantidad de quintal de café exportado,

manteniendo constante precios pagados los caficultores y generación de empleos anual

(coeficiente de regresión parcial o coeficiente de regresión neto)

Es el incremento por cada unidad en mil en precios pagados los caficultores por

quintal en dólares, manteniendo constante e Cantidad de quintal de café exportado y

generación de empleos anual.

Es el incremento por cada unidad en mil en los empleos anuales manteniendo

constante, la Cantidad de quintal de café exportado y en los precios pagados los

caficultores,

Coeficientesa

-107063 42435,310 -2,523 ,022

67,585 31,957 ,483 2,115 ,050

2205,817 324,128 ,699 6,805 ,000

308,431 487,903 ,144 ,632 ,536

(Constante)

Cantidades de QQ de

cafe produc ido


caf icultores QQ


Modelo

1

B Error típ.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig.




Normalidad: Test de Jarque Bera.

Esquema 2

La prueba de normalidad Jarque Bera es una prueba

para muestras grandes como en la base de datos

que hemos tomado del consejo salvadoreño de café.

Contamos con varios datos muy bien podríamos

aplicar la prueba de jaque bera para saber cómo se

encuentra distribuidos nuestros datos con la siguiente

formula.



7.1 Test significancia global del modelo: Prueba F

Tabla 5

(Hipótesis nula) Ho: B1=B2=, B3=0 (la prueba F es todos los coeficientes sean ceros)

(Hipótesis alterna) Ha: B1, B2, B3 ≠0 (la prueba F es todos los coeficientes son diferentes de ceros)

Al análisis nuestra prueba F de significancia global con un nivel de significancia de 0.05 optamos

en nuestro modelo a rechazar la hipótesis nula, de que todos los coeficientes de correlación sean 0

y en el análisis de significancia es 0. 00 por lo que es poco probable que H0 sea verdadera Y se

acepta la conclusión que existe una relación entre las variables aceptando la hipótesis alternativa,

indicando que no todos los coeficientes de regresión son ceros. Esto significa que las variables

independientes Cantidad de quintal de café exportado, Precios pagados al caficultor en quintal y

Generación de empleo anual si pueden explicar la variación de la variable dependiente Valor de la

exportación de café en quintal exportado. Por lo tanto la prueba global de regresión múltiple es

validad

Esquema 3

ANOVAb

1,65E+011 3 5,5E+010 26,370 ,000a

3,55E+010 17 2,1E+009

2,01E+011 20

Regresión

Residual

Total

Modelo

1

Suma de

cuadrados gl

Media

cuadrática F Sig.

Variables predictoras: (Constante), Generacion de Empleo , precios pagados a

los caf icultores QQ, Cantidades de QQ de cafe producido

a.

Variable dependiente: Valor de exportac ionde cafe anualb.



7.2 Determinación de intervalos de confianza para los coeficientes estimados.

Tabla 6

(Hipótesis nula) Ho: B1=B2=, B3=0 (las variables están aceptadas en el límite del intervalo )

(Hipótesis alterna) Ha: B1, B2, B3 ≠0 (las variables no se aceptan en el límite del intervalo)

Cantidad de quintal de café

exportado

β1= -67.585

E = 31.957

LIMITE SUPERIOR.

LS = β1 + E

LS=-67.585₊ 31.957

LS= 99.542

LIMITE INFERIOR.

LI = β1 - E

67.585₊ 31.957

LI = 35.628

Para la variable cantidad de

quintal y el valor del parámetro β1

está entre los valores 35.628 y

99.542

Precios pagados al caficultor por

quintal

Β2= 2205.817

E = 324.128

LIMITE SUPERIOR.

LS = β2 + E

LS=2205.817₊ 324.128

LS= 2529.945

LIMITE INFERIOR.

LI = β2 - E

2205.817- 324.128

LI = 1881.689

Para la variable precios pagados

al caficultor el valor del parámetro

β1 está entre los valores 1881.689

y 2529.945

Numero de empleo anual

Β3= 308.431

E = 487.903

LIMITE SUPERIOR.

LS = β3 + E

LS=308.431₊487.903

LS= 796.334

LIMITE INFERIOR.

LI = β3 - E

308.431- 487.903

LI = -179.472

Para la variable remesas el valor

del parámetro β1 está entre los

valores -179.472 y 796.334

Coeficientesa

-107063 42435,310 -2,523 ,022

67,585 31,957 ,483 2,115 ,050

2205,817 324,128 ,699 6,805 ,000

308,431 487,903 ,144 ,632 ,536

(Constante)

Cantidades de QQ de

cafe produc ido


caf icultores QQ


Modelo

1

B Error típ.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig.


Coeficientesa

-196593,680 -17532,3

,161 135,009

1521,968 2889,666

-720,954 1337,815

(Constante)

Cantidades de QQ de

cafe produc ido


caf icultores QQ


Modelo

1

Límite inferior

Límite

superior

Intervalo de conf ianza para

B al 95%

Variable dependiente: Valor de exportacionde cafe anual

a.



8. Test de significancia de coeficientes: Prueba t

Tabla 7

Después de analizar la prueba F, e identificando que la regresión múltiple es validad por lo cual se

procede a evaluar la prueba t para conocer cuál de las variables independientes puede explicar

mejormente la variable.

Al considerar explicar la significancia en relación y representación de nuestra Y estimada con X1,

X2, X3. Considerando el nivel de significancia de que mejor explica Y es: la variable x3. Con un

grado de significancia de 0.000. Y se puede afirmar que es la que mejor explica la variable

dependiente. X1 es la segunda variable que mejor explica a y con un nivel de significancia 0.025 de

que mejor explica la variable dependiente. La ultima y no menos importante es nuestra variable x2

con un nivel de significancia del 0.080 que se podría decir que es la tercera que mas explica a Y.

Cantidad de QQ de café

exportado

Diferencia 100,406

t (Valor observado) 13,270

|t| (Valor crítico) 2,086

GDL 20

p-valor (bilateral) < 0,050

alfa 0,05

Por lo tanto se rechaza la hipótesis a

0,050 porque es menor que el valor

critico y se acepta la hipótesis alterna

Precios pagados al caficultor en $

Diferencia 63,722



GDL 20


alfa 0,05




Generación de empleo anual

Diferencia 130161,667



GDL 20


alfa 0,05




Coeficientesa

-107063 42435,310 -2,523 ,022

67,585 31,957 ,483 2,115 ,050

2205,817 324,128 ,699 6,805 ,000

308,431 487,903 ,144 ,632 ,536

(Constante)

Cantidades de QQ de

cafe produc ido


caf icultores QQ


Modelo

1

B Error típ.

Coef icientes no

estandarizados

Beta

Coef icientes

estandarizad

os

t Sig.




8.1 Proyecciones con la regresión obtenida.

Tabla 8

PROYECCION DE DEMANDA MEDIANTE TASAS DE CRECIMIENTO ARITMETICO.

Existen algunas demandas que no están directamente relacionadas con el crecimiento de la

población y si mas bien con el crecimiento de un sector empresarial en específico. Para ello es

adecuado utilizar tasas de crecimiento aritmético. Df = Di (1 + Tc)n

Df: Demanda final o demanda estimarse. Di: Demanda inicial (Año base 2010 igual a 1299243

quintales) Tc: tasa de crecimiento 0.01704907 n: número de años (año a estimarse – año base)

Proyección 2.011 Valor de la exportación de café en quintal = 191456.88* (1+-0.0327)1= 197726.04



9. Conclusiones

El valor de exportación de café en dólares con respecto a la relación dependiente de la Cantidad

de quintal de café exportado en los precios pagados los caficultores y empleos anuales, se afirma

que existe una correlación positiva favorable entre las mismas ya que tranzado el modelo de

regresión múltiple se pudo identificar que Ere cuadrado explica 82.3% a las variables

independientes.

En la búsqueda de pruebas de normalidad, se considero la prueba F, t, Jaque Bera considerando

que las variables tienden a comportarse de manera normal, considerando una prueba global y una

prueba por separado, apuntando con un nivel de significancia de 0.05 optamos en nuestro modelo

a rechazar la hipótesis nula, de que todos los coeficientes de correlación sean 0.

Con relación a t la variable x2. Con un grado de significancia de 0.000. Y se puede afirmar que es

la que mejor explica la variable dependiente. X1 es la segunda variable que mejor explica a y con

un nivel de significancia 0.050 de que mejor explica la variable dependiente. La ultima y no menos

importante es nuestra variable x3 con un nivel de significancia del 0.536 que se podría decir que es

la tercera que mas explica a Y.



10. Recomendaciones

Al tomar en cuenta al realizar un modelo de regresión múltiple es que contamos con datos

cuantitativos, distribuir bien cuáles son las variables dependientes y cuales las

independientes. Considerando esto podremos distribuir mejor nuestros datos para

proyectarlos.

Considerando que contamos una base de datos aceptables y coherentes debemos

comprender qué papel juega las hipótesis en nuestra investigación y test sucesivamente.

Otra recomendación es que podemos trabajar con un grado de significancia que nosotros

deseemos pero lo mejor recomendable es que la hipótesis nula tenga 90, 95, 99 para

aceptarla o rechazarla de acorde a su significancia que le demos.

El hacer un buen uso del software estadístico, nos facilitara el resultado de nuestra

investigación.

Al proyectar nuestra investigación debemos comprender cuál es el significado de nuestra

proyección de nuestras variables.



11. Bibliografía

Damonar N. Gujarati. Econometría. IV Edición edit. Mc-Graw-Hill

Capítulo 15 del Libro de Anderson. Onceava edición

Estadística para la Administración y la economía, Tercera edición

Epanet y Cooperación. Ejercicios Escrito por Santiago Arnalich Castañeda

http://www.consejocafe.org



12. Anexos

Bitácora de actividades



CONCEPTOS BÁSICOS

MODELO DE REGRESIÓN

Concepto:

Se le llama modelo de regresión a la

ecuación con que se describe como se

relaciona “y” con “x” y en la que se da

un término para el error.

Interpretación:

El modelo de regresión es aquel modelo que

nos ayuda a determinar si existe o no existe

relación entre las variables, identificar el tipo

de relación entre esas variables así como

establecer una relación funcional entre esas

variables, es decir describir la naturaleza de

la relación entre dichas variables.

Aplicación:

El modelo de regresión se

puede aplicar para conocer

la si existe relación entre la

variable dependiente

ventas y la variable

independiente años de

experiencia y si existe

relación; de que tipo, si

positiva o negativa.

LINEALIDAD DE VARIABLES

Concepto:

La forma funcional de los modelos de

regresión la determina la teoría o el

grafico de los datos o la experiencia del

econometrista.

Interpretación:

La linealidad de las variables se da cuando el

exponente de estas es uno.

Aplicación:

Ejemplos de funciones no

lineales en las variables que

tienen posibilidad de ser

linealizadas:

LINEALIDAD EN PARÁMETROS

Concepto:

Linealidad en los parámetros que son

los que se van a estimar.

Interpretación:

Los parámetros son lineales cuando estos se

encuentran con exponente uno, si no es así,

no son lineales.

Aplicación:

Ejemplos de funciones no

lineales en los parámetros

La función de regresión

muestral:



ERROR ESTOCÁSTICO

Concepto:

Error estocástico es una cantidad cuyo

valor se determina como resultado de

un experimento. En un determinado

experimento, una variable estocástica x

puede tomar diferentes valores xi; debe

tenerse cuidado de distinguir la variable

x de los distintos resultados {xi}

posibles.

Interpretación:

El error estocástico es el que representa

todas aquellas fuerzas que afectan a la

variable dependiente, pero que no se

encuentran dados en forma explícita en el

modelo econométrico. Es la parte

probabilística del modelo.

Aplicación:

Se puede ejemplificar su

aplicación con la siguiente

ecuación

Yi = + Xi + i

Yi= Cantidad demandada en

crédito de consumo (variable

dependiente)

Xi = Precio del bien, en este

caso se refiere a la tasa de

interés aplicada a los Créditos

i= Representa él termino

de error estocástico

REGRESIÓN MUESTRAL

Concepto:

La estimación de la ecuación de

regresión muestral

Consiste en determinar los valores de

"a" y "b " a partir de la muestra, es

decir, encontrar los valores de a y b

con los datos observados de la

muestra. El método de estimación es el

de Mínimos Cuadrados, mediante el

cual se obtiene

Interpretación:

Es en la que se calculan los valores de a y b

a partir de los datos observados de la

muestra. Tales valores se encuentran a partir

de formulas establecidas para determinar

dichos valores. Y a partir de esta ecuación de

regresión muestral se pueden hacer

proyecciones y los resultados de estas se

infieren a los parámetros poblacionales.

Luego, la ecuación de regresión muestral

estimada es

Aplicación:

En una función

macroeconómica se tiene

como variable dependiente

el ahorro nacional bruto y

como variables

independientes el ahorro

privado y el público.

http://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtml

http://www.monografias.com/trabajos11/tebas/tebas.shtml

http://www.monografias.com/trabajos11/basda/basda.shtml

http://www.monografias.com/trabajos11/metods/metods.shtml

http://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtml

http://www.monografias.com/trabajos11/basda/basda.shtml



MÍNIMOS CUADRADOS ORDINARIOS MCO

Concepto:

El método de los mínimos cuadrados

ordinarios consiste en hacer mínima la

suma de los cuadrados residuales, es

decir lo que tenemos que hacer es

hallar los estimadores que hagan que

esta suma sea lo más pequeña

posible.Uno de los puntos

determinantes en la econometría se

basa en el procesamiento estadístico y

para ello el método de Mínimos

Cuadrados Ordinarios MCO permite

encontrar los Mejores Estimadores

Lineales Insesgados.

Interpretación:

El método de mínimos cuadrados usa los

datos muéstrales para hallar la ecuación de

regresión estimada, para poder analizar la

ecuación de regresión se puede utilizar el

diagrama de dispersión el cual, permite

graficar los datos y poder hacer un análisis de

la relación entre las variables.

Aplicación:

Teniendo como variable

dependiente el tiempo de

espera y como variable

independiente el numero de

cajas registradoras en un

supermercado, atraves de

la ecuación de regresión

muestral y datos históricos

sobre ambas variables se

podría estimar la cantidad

de maquinas registradoras

necesarias para que el

tiempo de espera sea de

cinco minutos.

ERROR ESTÁNDAR DE LOS MÍNIMOS CUADRADOS

Concepto:

A esta medida se le llama error

estándar de estimación y se denota

Syx.

El error estándar de estimación, es el

mismo concepto que la desviación

estándar, aunque ésta mide la

dispersión alrededor de la media y el

error estándar mide la dispersión

alrededor de la línea de regresión.El

error estándar nos permite deducir la

confiabilidad de la ecuación de

regresión que hemos desarrollado.

Interpretación:

Como se aplicaba en la desviación estándar,

mientras más grande sea el error estándar de

estimación, mayor será la dispersión de los

puntos alrededor de la línea de regresión. De

manera que inversa, si Se = 0, esperemos

que la ecuación de estimación sea un

estimador perfecto de la variable

dependiente.

Aplicación:

En el caso que las ventas

de una empresa dependa

de los años de experiencia

de sus vendedores, a través

de los resultados graficados

de los datos de la variable

dependiente se podría

observar que tan distantes

están los puntos de la

ecuación de regresión

determinada y determinar

error estándar de los

mínimos cuadrados.



SUPUESTOS DEL MODELO DE REGRESIÓN LINEAL

SUPUESTO 1

El modelo de regresión es lineal en los parámetros:

SUPUESTO 2

Los valores que toma el regresor X son considerados

fijos en muestreo repetido. Esto quiere decir que la

variable X se considera no estocástica. Este supuesto

implica que el análisis de regresión es un análisis

condicionado a los valores dedos del (los) regresores.

SUPUESTO 3

Dado el valor de X, el valor esperado del término

aleatorio de perturbación i es cero.

Cada población de Y corresponde a un X dado, está

distribuida alrededor de los valores de su media con

algunos valores de Y por encima y otros por debajo de

esta. Las distancias por encima y por debajo de los

valores medios son los errores, y la ecuación antes

señalada requiere que en promedio estos valores sean

cero.

SUPUESTO 4

Homoscedasticidad. Dado el valor de X, la varianza de

i es la misma para todas las observaciones.

.

Homoscedasticidad significa igual dispersión, en otras

palabras significa que las poblaciones Y

correspondientes a diversos valores de X tienen la

misma varianza



SUPUESTO 5

Dados dos valores cualquiera de X, Xi y Xj (i j), la

correlación i y j cualquiera (i j) es cero.

Este supuesto indica que las perturbaciones no están

correlacionadas. Esto significa que los errores no

siguen patrones sistemáticos. La implicancia del no

cumplimiento de este supuesto.

SUPUESTO 6

La covarianza entre i y Xi es cero, formalmente:

Este supuesto indica que la variable X y las

perturbaciones no están correlacionadas, no podrían

realizarse inferencias sobre el comportamiento de la

variable endógena ante cambios en las variables

explicativas

SUPUESTO 7

El número de observaciones debe ser mayor que el

número de parámetros a estimar.

SUPUESTO 8

Debe existir variabilidad en los valores de X. No todos

los valores de una muestra dada deben ser iguales.

Técnicamente la varianza de X debe ser un número

finito positivo. Si todos los valores de X son idénticos

entonces se hace imposible la estimación de los

parámetros.

SUPUESTO 9

El modelo de regresión debe ser correctamente

especificado, esto indica que no existe ningún en el

modelo a estimar. La especificación incorrecta o la

omisión de variables importantes, harán muy

cuestionable la validez de la interpretación de la

regresión estimada.

SUPUESTO 10

No hay relaciones perfectamente lineales entre las

variables explicativas. No existe multicolinealidad

perfecta. Aunque todas las variables económicas

muestran algún grado de relación entre sí, ello no

produce excesivas dificultades, excepto cuando se

llega a una situación de dependencia total, que es lo

que se excluyó al afirmar que las variables explicativas

son linealmente dependientes.



PROPIEDADES DE LOS ESTIMADORES DE MÍNIMOS CUADRADOS

LINEALIDAD

Para comprobar que los parámetros estimados son una combinación lineal de las perturbaciones

aleatorias del modelo, basta con sustituir “Y” en la expresión de cálculo de los mismos por su

expresión completa (entre “llaves” en la expresión de más abajo):

Los estimadores MCO son una combinación lineal de las perturbaciones aleatorias. Como ya se ha

indicado anteriormente, esta comprobación será de especial Trascendencia para acometer la fase

de validación del modelo ya que una función lineal de una variable aleatoria que se distribuye como

una normal también se distribuye como una normal. A partir de esta deducción, podremos

determinar los intervalos de confianza en los que se moverán nuestras estimaciones y podremos

realizar hipótesis sobre el valor real de los parámetros a contrastar estadísticamente.

ÓPTIMO (EFICIENCIA)

El objeto de esta demostración es comprobar que los parámetros estimados mediante MCO son los

que tienen la varianza más pequeña de entre todos los alternativos posibles de la familia de los

insesgados.

Para demostrar que el estimador MCO es el estimador óptimo se seguirán cuatro pasos:

1. Se determina el valor de las varianzas de los estimadores MCO.

2. Se propone un estimador alternativo al MCO cualquiera y se comprueba cuál es la condición

necesaria y suficiente para que dicho estimador sea insesgado.

3. Se determinan las varianzas de estos estimadores alternativos

4. Se comparan las varianzas de éste con las de los estimadores MCO.



INSESGADEZ

En este momento tiene interés demostrar que el valor esperado del parámetro estimado con MCO

coincide con el valor real del parámetro.

Para la demostración, partiremos del resultado obtenido en el apartado anterior, cuando escribimos

los parámetros como una combinación lineal de las perturbaciones aleatorias:

El valor esperado del estimador coincide con el real.

CONSISTENCIA

Por último, se demostrará que los parámetros MCO son consistentes; es decir, que ampliando la

muestra al total de la población, el valor estimado coincide con el real o, dicho de otra forma, que

cuando contamos con todos los datos, no con una muestra, el cálculo de MCO da como resultado

los parámetros reales, un cálculo exacto, luego con varianza igual a cero.

Para demostrar esta situación, emplearemos la segunda expresión (la de la probabilidad asintótica

de la varianza de los estimadores). Sustituyendo esta fórmula por su expresión de cálculo (a la que

hemos llegado cuando realizámos la demostración de la eficiencia u optimalidad de los parámetros)

tenemos:



Lo antedicho, podría interpretarse como que, a medida que vamos aumentando el número de datos

en nuestra estimación (“n” tiende a infinito), el valor del producto sería cada vez más pequeño; es

decir, se iría aproximando a cero. En el límite, sería nulo siempre que el segundo valor del producto

(la matriz inversa) fuera calculable.

COROLARIO

En definitiva, después de haber observado que los estimadores MCO cumplen con las cuatro

propiedades propuestas (linealidad, insesgadez, optimalidad y consistencia);además de saber que

contamos con las estimaciones paramétricas con mayores garantías estadísticas, también podemos

saber que los coeficientes del modelo se distribuyen como una Normal, con media el verdadero valor

del parámetro (son insesgados) y varianza

Es decir,

En cualquier caso, esta expresión no será de utilidad para determinar los intervalos de confianza de

los parámetros (para conocer entre qué bandas se moverán los verdaderos valores de los

parámetros) salvo que obtengamos un método para estimar la varianza de las perturbaciones

aleatorias que interviene en esta fórmula



TEST DE SUPUESTOS

NORMALIDAD: TEST DE JARQUE BERA

Este es un test de hipótesis, con este test contrastamos la asimetría y el exceso de curtósis, que

bajo normalidad deberían de ser ambos 0.

Analiza por consiguiente si la distribución falla en alguna de las características básicas de la normal,

si es simétrica o si tiene diferente peso los valores centrales respecto a los extremos de la normal.

Se suele hacer una comparación de cada uno de ellos independientemente y otro test conjunto.

¿En que consiste?

El test de simetría se realiza para contrastar:

H0: γ1=0, lo que significa simetría exacta

H1: γ1≠0, lo que significa que existe asimetría

La consecuencia es que si existe asimetría falla la normalidad

El test de curtósis se realiza para contrastar:

H0: γ2=0, lo que significa curtósis exacta

H1: γ2≠0, lo que significa que existe curtósis.



La consecuencia es que si existe curtósis falla la normalidad

Entonces:

Si falla el test de asimetría o el test de curtósis, entonces falla el supuesto de normalidad.

Jarque Bera mide esto en forma conjunta mediante un estadístico que se obtiene según la

siguiente regla:

Que es equivalente a:

Ejemplo: El costo de fabricación de algodón en una empresa de hilaturas depende de la cantidad de

tejido producido y del precio de la mano de obra subcontratada.

0



TEST SIGNIFICANCIA GLOBAL DEL MODELO: PRUEBA F

La prueba estadística “F” de Fisher puede medir la significancia global del modelo es decir que el

modelo de regresión múltiple es estadísticamente significativo.

Se busca un nivel de confianza del 95%, con un p-valor entre cero y 0,05 para que el modelo y los

parámetros sean estadísticamente significativos.

La prueba F se usa para determinar si hay una relación significativa entre la variable dependiente y

el conjunto de todas las variables independientes. En estas condiciones se le llama prueba de

significancia global.

El modelo de regresión múltiple es:

Ejemplo: Las ventas de un almacén dependen depende de los años de experiencia de los

vendedores, de la calidad de sus productos, y de su precio. Con el test de prueba F se determinara

si la relación entre la variable dependiente y las variables independientes es significativa.

DETERMINACIÓN DE INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES ESTIMADOS

Consiste en estimar el intervalo para un valor individual de y que corresponde a un valor dado de x.

La ecuación de regresión determina una estimación puntual del valor medio de y para determinado

valor de x.

El nivel de confianza es la probabilidad a priori de que el intervalo de confianza a calcular contenga

al verdadero valor del parámetro. Se indica por 1-α y habitualmente se da en porcentaje (1-α) %.

Hablamos de nivel de confianza y no de probabilidad ya que una vez extraída la muestra, el intervalo

de confianza contendrá al verdadero valor del parámetro o no, si repitiésemos el proceso con

muchas muestras podríamos afirmar que el (1-α) % de los intervalos así construidos contendría al

verdadero valor del parámetro.

Los valores que se suelen utilizar para el nivel de confianza son el 95%, 99% y 99,9%

http://es.wikipedia.org/wiki/Probabilidad

http://es.wikipedia.org/wiki/Intervalo_de_confianza



TEST DE SIGNIFICANCIA DE COEFICIENTES: PRUEBA t

Si la prueba F indica la significancia global, la prueba t se aplica para determinar si cada una de las

variables independientes tiene significancia. Se hace una prueba t por separado para cada variable

independiente en el modelo: a cada una de esas pruebas t se llama prueba de significancia

individual.

Retomando el ejemplo del test de prueba F, suponiendo que este dio como resultado una relación

significancia global de la variable dependiente con el conjunto de las variables independientes,

entonces aplicamos la prueba t a cada una de las variables independientes (años de experiencia de

los vendedores, calidad de los productos, precio de los productos) para determinar si cada una de

las V.I. tiene significancia, haciendo una prueba t para cada variable independiente en el modelo.



Diccionario Y de base de datos

1 Caficultura: Es la labor que personas implementan el cultivo del café.

2Arábica: El cafeto arábigo (Coffea arabica) es un arbusto de la familia de las rubiáceas nativo de Etiopía tiene diversas

variedades de árboles que crecen en diferentes climas

3 Pergamineros: referente a pequeños productores

5 Café uva: es aquel café, que es cortado en su etapa óptima de maduración.

6 Organización Internacional de Café: es una organización intergubernamental que agrupa a la casi totalidad de los países

productores de café así como a los principales países importadores. La organización garantiza la información mutua y la coordinación

de las políticas de sus miembros.

7 Variables Independientes y dependiente: Estadística para la Administración y la economía, Tercera edición

Cap11,regrecion y correlaciones lineales, pág. 369

8 Regresión: Gujarati IV, Cap. 1, Naturaleza del análisis de regresión, pàg17

9 Hipótesis nula y Hipótesis alterna: Estadística para la Administración y la economía, Tercera edición,Cap 8

prueba de hipótesis pág. 272

10 El Consejo Salvadoreño del Café (CSC), fue creado el 19 de octubre de 1989, por medio del Decreto

Legislativo Nº 353. El CSC surge como el ente rector de la caficultura en El Salvador luego de la abolición del

Instituto Nacional del Café (INCAFE). Es una institución estatal de carácter autónomo, pero en su dirección

hay participación del sector privado.

11 Coeficiente de determinación múltiple: es la proporción en la variabilidad de la variable independiente

que se explica por la ecuación de la regresión estimada.

12 Estadística para la Administración y la economía, Tercera edición, Cap. 11 regresión y correlación lineales

pág. 372

13 Gujarati IV , capitulo 7, análisis de regresión múltiple(problema de estimación), pág. 195

14 Estadística para la Administración y la economía, Tercera edición, Cap. 12 análisis de regresión y

correlación múltiple pág. 407

15 Gujarati IV , capitulo 8, análisis de regresión múltiple y inferencia (prueba de hipótesis sobre coeficientes

individuales y regresión parcial ), pág. 241

16Jarque Bera: Es una prueba a sintónica o de grandes muestras, también está basada en residuos MCO.

esta prueba calcula primero la asimetría y curtosis o apuntamiento de los residuos MCO.

http://es.wikipedia.org/wiki/Caf%C3%A9



EL SALVADORDEPARTAMENTO DE ESTUDIOS ECONOMICOS Y

ESTADISTICAS CAFETALERAS EXPORTACIONES DE CAFÉ

(Cifras en qq-oro y valor en US$) EJERCICIOS CAFETALEROS 1989/90 AL

2010/2011

EJERCICIO VOLUMEN

Sacos

VOLUMEN

QQS

VALOR US$ PRECIO PROM.

Diferencia

Volumen

Diferencia Valor

1989/90

1990/91

1991/92

1992/93

1993/94

1994/95

1995/96

1996/97

1997/98

1998/99

1999/00

2000/01

2001/02

2002/03

2003/04

2004/05

2005/06

2006/07

2007/08

2008/09

2009/10

2010/11 *

2,319,972

2,016,429

2,175,949

2,990,936

2,086,256

1,661,237

2,260,363

2,845,765

1,897,077

1,831,206

2,499,703

1,710,178

1,531,310

1,357,107

1,367,706

1,312,554

1,278,307

1,219,102

1,467,387

1,373,411

996,086

1,654,658

3,026,050

2,630,125

2,838,195

3,901,221

2,721,204

2,166,831

2,948,300

3,711,867

2,474,448

2,388,530

3,260,482

2,230,667

1,997,361

1,770,140

1,783,964

1,712,027

1,667,357

1,590,133

1,913,983

1,791,406

1,299,243

2,158,250

244,178,479

212,132,116

166,560,472

232,724,376

248,148,115

356,489,942

335,683,233

505,619,078

383,068,005

239,220,836

311,566,062

131,268,474

104,953,016

105,568,164

122,136,824

164,520,270

185,154,215

184,732,962

253,956,881

234,655,752

191,456,878

435,092,330

80.69

80.65

58.69

59.65

91.19

164.52

113.86

136.22

154.81

100.15

95.56

58.85

52.55

59.64

68.46

96.10

111.05

116.17

132.69

130.99

147.36

201.59

-13.1%

7.9%

37.5%

-30.2%

-20.4%

36.1%

25.9%

-33.3%

3.5%

36.5%

-31.6%

-10.5%

-11.4%

0.8%

-4.0%

-2.6%

-4.6%

20.4%

-6.4%

-27.5%

66.1%

-13.1%

-21.5%

39.7%

6.6%

43.7%

-5.8%

50.6%

-24.2%

-37.6%

30.2%

-57.9%

-20.0%

0.6%

15.7%

34.7%

12.5%

-0.2%

37.5%

-7.6%

-18.4%

127.3%

Datos al 31 de agosto de 2011

Cifras actualizadas el 10 de septiembre 2011 * Cosecha exportándose actualmente



FUENTE: ASOCIACION SALVADOREÑA DE BENEFICIADORES Y EXPORTADORES DE CAFÉ (ABECAFE) Precios pagados al productor por 500 libras uva, equivalentes a un quintal oro uva (5 lb uva= 1 lb oro uva Recolpilado por CSC

Fuente: ABECAFE

PRECIOS PAGADOS A LOS CAFICULTORESDOLARES

AÑO ENE FEB

MAR ABR MAY JUN JUL

AGO SEP

OCT NOV DIC

ANUAL

1987 278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.5

278.50 1988 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.

5 344.5

0 1989 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.

0 340.0

0 1990 290.

0 321.

0 372.

0 391.

0 386.

0 380.

0 372.

0 424.

0 429.

0 386.

8 390.

4 384.

9 377.2

6 1991 385.

2 401.

2 411.

3 405.

4 390.

0 360.

0 354.

9 329.

5 356.

9 319.

6 306.

8 313.

0 361.1

5 1992 320.

9 281.

2 297.

8 280.

4 252.

6 239.

2 233.

7 156.

8 187.

0 250.

1 295.

0 365.

5 263.3

3 1993 34.

2 31.

6 30.

1 25.

5 29.

7 28.

6 37.

8 40.

5 45.

0 40.

1 41.

6 43.

0 35.6

4 1994 39.

8 44.

0 48.

8 51.

6 76.

7 97.

7 162.

8 139.

6 162.

9 142.

4 125.

7 115.

6 100.6

2 1995 120.

8 117.

1 127.

6 122.

0 119.

4 103.

4 103.

6 104.

3 85.

8 79.

3 78.

2 62.

2 101.9

7 1996 82.

2 79.

2 76.

0 86.

4 81.

7 76.

3 69.

7 75.

5 67.

8 73.

1 75.

9 69.

6 76.1

2 1997 85.

1 113.

6 133.

1 141.

6 183.

0 154.

5 122.

4 127.

7 127.

1 112.

1 107.

0 116.

6 126.9

8 1998 119.

2 121.

1 102.

6 97.

7 86.

1 76.

9 70.

5 75.

5 66.

6 65.

3 72.

6 71.

1 85.4

4 1999 67.

7 59.

9 59.

1 55.

9 64.

1 60.

2 49.

9 45.

5 39.

2 46.

7 63.

2 70.

2 56.8

0 2000 67.

8 60.

2 59.

2 52.

7 53.

8 46.

2 46.

5 36.

0 35.

0 34.

3 27.

1 23.

7 45.2

0 2001 22.

9 21.

1 21.

5 19.

7 24.

6 19.

0 15.

5 12.

7 11.

0 14.

3 16.

5 15.

9 17.8

8 2002 16.

9 17.

7 24.

7 25.

4 20.

4 17.

8 17.

6 16.

9 23.

7 27.

0 29.

6 28.

0 22.1

3 2003 26.

4 26.

9 23.

5 26.

7 28.

9 23.

5 25.

4 25.

0 28.

3 26.

0 24.

2 28.

0 26.0

5 2004 35.

3 36.

4 37.

9 34.

3 36.

7 41.

3 34.

8 33.

1 40.

8 39.

0 47.

5 59.

8 39.7

3 2005 61.

5 72.

6 86.

0 79.

5 79.

9 73.

3 63.

7 61.

0 55.

7 61.

3 63.

0 59.

0 68.0

4 2006 76.

6 70.

9 67.

5 69.

0 63.

7 57.

8 59.

2 65.

5 65.

3 65.

3 76.

3 82.

7 68.3

2 2007 76.

6 74.

7 70.

9 68.

0 63.

2 72.

5 71.

2 74.

9 80.

2 85.

6 81.

0 88.

4 75.6

1 2008 89.

7 103.

3 99.

6 87.

8 89.

6 93.

2 93.

9 92.

3 90.

7 71.

7 68.

8 66.

7 87.2

7 2009 73.

4 71.

5 69.

4 72.

8 85.

7 82.

4 76.

7 82.

6 84.

1 90.

5 90.

3 96.

5 81.3

3 2010 93.

1 86.

0 86.

7 87.

1 88.

5 99.

9 122.

2 123.

5 133.

1 134.

4 148.

1 156.

9 113.2

9 2011 174.

1 194.

2 204.

1 211.

9 208.

8 194.

1 188.

6 194.

6 212.

8

0.0 0.0 0.0 198.6

2



EL SALVADOR

CONSEJO SALVADOREÑO DEL CAFE DEPARTAMENTO DE ESTUDIOS ECONOMICOS Y

ESTADISTICAS CAFETALERAS

ESTIMACION DE GENERACION DE EMPLEO DEL CAFE

AÑO CAFETERO PRODUCCION

EN QQS ORO UVA JORNALES

D/H* EMPLEO

POR AÑO** 1980/1981 1981/1982 1982/1983 1983/1984 1984/1985 1985/1986 1986/1987 1987/1988 1988/1989 1989/1990 1990/1991 1991/1992 1992/1993 1993/1994 1994/1995 1995/1996 1996/1997 1997/1998 1998/1999 1999/2000 2000/2001 2001/2002 2002/2003 2003/2004 2004/2005 2005/2006 2006/2007 2007/2008 2008/2009 2009/2010 2010/2011

3,587,000.00 3,897,400.00 4,213,000.00 4,112,600.00 2,921,700.00 2,324,300.00 3,054,800.00 3,262,200.00 1,972,200.00 3,636,500.00 3,537,100.00 3,153,700.00 4,306,200.00 3,403,300.00 3,360,600.00 3,239,100.00 3,305,900.00 3,002,400.00 2,621,900.00 3,712,600.00 2,326,898.00 2,383,076.00 1,963,400.00 1,911,281.00 1,858,020.00 1,935,185.00 1,740,026.00 2,119,810.00 1,985,625.00 1,500,000.00 2,478,000.00

44,837,500.00 48,717,500.00 52,662,500.00 51,407,500.00 36,521,250.00 29,053,750.00 38,185,000.00 40,777,500.00 24,652,500.00 45,456,250.00 44,213,750.00 39,421,250.00 53,827,500.00 42,541,250.00 42,007,500.00 40,488,750.00 41,323,750.00 37,530,000.00 32,773,750.00 46,407,500.00 29,086,225.00 27,405,374.00 16,688,900.00 16,245,888.50 15,793,170.00 20,319,442.50 21,750,325.00 26,497,625.00 24,820,312.50 18,750,000.00 30,975,000.00

179,350 194,870 210,650 205,630 146,085 116,215 152,740 163,110 98,610

181,825 176,855 157,685 215,310 170,165 168,030 161,955 165,295 150,120 131,095 185,630 116,345 109,621 66,756 64,984 63,173 81,278 87,001

105,991 99,281 75,000

123,900 FUENTE: CONSEJO SALVADOREÑO DEL CAFE *Un quintal oro Genera 12.5 D/H incluye actividad agroindustrial en condiciones normales. Debido a la crisis,

de 2002/03 A 2004/05 se utilizó 8.5 jornales por quintal oro. Para el 2005/06 subió a 10.5 jornales.

En los siguientes se normaliza a 12.5 jornales.

** Un empleo por año equivale a 250 jornales

*** Proyectado



GRAFICOS

Grafico 1

Grafico 2



Grafico 3

Grafico 4

UES ECONOMÍA Trabajo estadistica II REGRESION

Education

Transcript of UES ECONOMÍA Trabajo estadistica II REGRESION