Elaboración de un análisis de la explicación del crecimiento económico para Colombia 1997-2017

Elaboración de un análisis de la explicación del crecimiento económico para Colombia 1997-2017, usando la técnica multivalente Análisis de Componentes Principales (A.C.P)

Karen Daniela Amaya

María Alexandra Rodríguez Parra

1. RESUMEN

Usando el método de Análisis de Componentes Principales (C.A.P) se realizará el análisis de las variables que explican el crecimiento económico de un país especifico, en este caso Colombia. Lo anterior se lleva a cabo por medio de las variables siguientes: el PIB, el consumo, la inversión, el gasto público, importaciones, exportaciones y tasa de interés. Teniendo en cuenta que estas son las que más contribuyen a comprender el comportamiento del crecimiento económico en Colombia 1990-2019.

Palabras Claves: PIB, consumo, inversión, gasto público, exportaciones, importaciones, tasa de interés, (A.C.P).

1. INTRODUCCIÓN

El crecimiento económico se define como el aumento de la renta o el valor de los bienes y servicios producidos por una economía generalmente en un lapso, así mismo puede comprender la evolución en los estándares de vida de un territorio o país.  Por consiguiente, la variable que suele ser utilizada para medir el crecimiento económico es el PIB (producto interno bruto) el cual establece el valor a precio de mercado de los bienes y servicios producidos en un territorio en un periodo de tiempo definido, este puede ser mensual, trimestral o anual. En ese orden de ideas se afirma que: “El crecimiento económico, según el economista Daniel Cohen, es más importante que la riqueza para el funcionamiento de nuestras sociedades” (Dillow,2018). Lo que establece que este este fenómeno económico al llevar a cabo las cuentas nacionales es de vital importancia para el bienestar de la sociedad y el avance en la economía de una nación o territorio.

Teniendo en cuenta lo anterior, se realizará el análisis de las variables más importantes que demuestren el crecimiento económico en la economía colombiana, (PIB, consumo, inversión, gasto público, exportaciones, importaciones y tasa de interés, y el desempleo). Así mismo definir cuáles de estas son las que más aportan a la producción nacional y de esta forma tenerlas presentes para decisiones de política económica.

Para tal fin en primer lugar se realizó la búsqueda de la escuela de pensamiento keynesiana en la cual se fundamente el presente trabajo, en segundo lugar, la averiguación de bases de datos de tipo series de tiempo sobre las variables mencionadas anteriormente para el periodo 1990-2019, donde por último se concluye con la metodología y el respectivo análisis de resultado mediante el análisis de componentes principales (A.C.P).

3. JUSTIFICACIÓN

El presente trabajo que tiene como fin el análisis del crecimiento económico colombiano teniendo en cuenta que desde tiempos remotos hacia el s. XXI se establecían estrategias para aumentarlo en las diferentes economías, ya que no se genera solamente una mayor variedad de recursos para la población si no que se elevan los niveles de vida lo que conlleva a un mejor bienestar de sociedad. Por esta razón es que mediante el análisis se pueden establecer los diferentes procedimientos para fomentar alguna de las variables más importantes, realizar medidas de política económica en la economía colombiana, enfatizando en que es uno de los países más atrasados en cuanto a crecimiento económico.

4. MARCO TEÓRICO

La base fundamental teórica es la escuela de pensamiento Keynesiana la cual surgió en el s. a raíz de la crisis financiera de la bolsa o “Gran Depresión” en 1929, ya que Keynes genero un conjunto de soluciones a la misma, pues se demostró el declina miento del funcionamiento del mercado causando devastadoras consecuencias en la población, así como en la economía mundial de manera que se hizo presente la necesidad de una postura totalmente contraria.

John Maynard Keynes público su obra titulada “La teoría general del empleo, el interés y el dinero” en febrero de 1936 siendo su libro más destacado estableciendo importantes ideas del comportamiento económico en donde enfatiza la viabilidad y conveniencia de la gestión del sector público en la demanda a nivel agregado. Esta publicación genero una revolución en el pensamiento económico puesto que genero una postura totalmente diferente a la tradicional escuela neoclásica por la solución a la crisis presentada.

1. METODOLOGÍA

En la realización del presente trabajo Elaboración de un análisis de la explicación del crecimiento económico para Colombia 1997-2017, se usó la técnica multivariante Análisis de Componentes Principales (A.C.P). Es una técnica estadística descriptiva que tiene como punto de partida una matriz de datos con una serie de datos a los que se les ha medido varias variables. Por eso suele clasificarse como una técnica multivariante

El método de componentes principales puede considerarse como un método para la reducción de datos, tratar otros problemas como el de la rotación de factores, contrastes, etc. se hace dentro del análisis factorial que implica una mayor formalización. En este sentido, el método de componentes principales se inscribe dentro de la estadística descriptiva

El ACP es particularmente útil para reducir la dimensionalidad de un grupo de datos. Los primeros componentes principales describen la mayor parte de la varianza de los datos (más cuanto más correlacionadas estuvieran las variables originales). Estos componentes de bajo orden a veces contienen el aspecto "más importante" de la información, y los demás componentes se pueden ignorar. Existen diferentes técnicas para estimar el número de componentes principales que son relevantes; la técnica más apropiada dependerá de la estructura de correlaciones en los datos originales

Los pasos a seguir en el Análisis de Componentes principales son:

1. La matriz de correlación es una matriz cuadrada constituida por los coeficientes de correlación de cada pareja de variables; de manera que tendrá unos en su diagonal principal, y en los elementos no diagonales los correspondientes coeficientes de correlación. La matriz de correlación será simétrica y conservará las propiedades de ser definida-positiva y tener un determinante no negativo, (además el determinante será siempre menor o igual que 1). Puede considerarse como la matriz de varianzas entre las variables tipificadas.
2. La prueba de esfericidad de Bartlett, contrasta la hipótesis nula de que la matriz de correlaciones es una matriz identidad, en cuyo caso no existirían correlaciones significativas ente las variables y por lo tanto el modelo no sería pertinente.
3. KMO y prueba de esfericidad de Bartlett.‐ La media de adecuación muestral KMO (Kaiser‐Meyer‐ Olkin) contrasta si las correlaciones parciales (describen la relación lineal existente entre dos variables)  entre las variables son suficientemente pequeñas. Permite comparar la magnitud de los coeficientes de correlación observados con la magnitud de los coeficientes de correlación parcial. El estadístico KMO varía entre 0 y 1. Los valores pequeños indican que el análisis puede no ser una buena idea, dado que las correlaciones entre las variables no pueden ser explicadas por otras variables. Los menores que 0.5 indican que no debe utilizarse el análisis factorial con los datos muéstrales que se están analizando.
4. Coeficiente de correlación parcial, en este interesa no tanto la contribución de una determinada variable en el modelo de regresión, como la eliminación de ciertas variables que resultan perturbadoras para la cabal comprensión de la relación entre las variables de interés, los coeficientes deben estar próximos a 0 para que tengan validez estadística.
5. Coeficiente de correlación anti-imagen: Muestra la matriz de covarianzas anti‐imagen y la matriz de correlaciones anti‐imagen. La matriz de covarianzas anti‐imagen contiene los negativos de las covarianzas parciales y la matriz de correlaciones anti‐imagen contiene los coeficientes de correlación parcial cambiados de signo (la correlación entre dos variables se parcializa teniendo en cuenta el resto de las variables incluidas en el análisis).
6. Diagonal de la matriz de correlación anti-imagen: Si el modelo factorial elegido es adecuado para explicar los datos, los elementos de la diagonal de la matriz de correlaciones anti‐imagen deben tener un valor próximo a 1 y el resto de elementos deben ser pequeños.

6 Tabla de Variables

[pic 1]

...