2. Planteamiento del problema

Pregunta central: ¿Qué factores explican las diferencias en el desempeño exportador de las Personas (volumen y alcance internacional)?

Objetivo general: Analizar cómo diversos factores (nivel de inglés, experiencia exportadora, uso de tecnología, acuerdos comerciales, nivel educativo) afectan el volumen y alcance de exportaciones de las personas.

Objetivos específicos: - Evaluar si el nivel de inglés de la ingles influye en el número de países a los que exporta. - Determinar si el uso de tecnología y acuerdos comerciales aumenta el volumen y alcance de exportación.

Justificación: La estadística es fundamental en el análisis del desempeño exportador porque permite cuantificar cómo variables internas (como nivel de inglés, uso de tecnología) y externas (como acuerdos comerciales o barreras) explican diferencias en volumen y alcance exportador. Por ejemplo, estudios de la CEPAL subrayan la importancia de integrar datos empresariales y de comercio internacional para generar indicadores significativos para políticas públicas.

3. Análisis exploratorio (EDA)

Base_Negocios_Internacionales <- read_excel("C:/Users/nickl/Downloads/Base_Negocios_Internacionales.xlsx")
summary(Base_Negocios_Internacionales)

##       edad           sexo           experiencia_exportadora nivel_ingles      
##  Min.   :22.00   Length:100         Length:100              Length:100        
##  1st Qu.:31.00   Class :character   Class :character        Class :character  
##  Median :41.00   Mode  :character   Mode  :character        Mode  :character  
##  Mean   :40.59                                                                
##  3rd Qu.:51.00                                                                
##  Max.   :60.00                                                                
##  nivel_educativo    usa_acuerdos_comerciales numero_paises_exporta
##  Length:100         Length:100               Min.   :0.0          
##  Class :character   Class :character         1st Qu.:1.0          
##  Mode  :character   Mode  :character         Median :2.0          
##                                              Mean   :2.4          
##                                              3rd Qu.:4.0          
##                                              Max.   :5.0          
##  volumen_exportacion_mensual barreras_internacionales uso_tecnologia_negocios
##  Min.   : 381759             Length:100               Length:100             
##  1st Qu.:1235188             Class :character         Class :character       
##  Median :1524859             Mode  :character         Mode  :character       
##  Mean   :1534803                                                             
##  3rd Qu.:1914969                                                             
##  Max.   :2746525                                                             
##  satisfaccion_comercio_global
##  Min.   : 1.00               
##  1st Qu.: 3.00               
##  Median : 5.50               
##  Mean   : 5.59               
##  3rd Qu.: 8.00               
##  Max.   :10.00

3.1 Tablas de resumen

Base_Negocios_Internacionales %>%
  select(edad, sexo, experiencia_exportadora, nivel_ingles, nivel_educativo, usa_acuerdos_comerciales, numero_paises_exporta, volumen_exportacion_mensual, barreras_internacionales, uso_tecnologia_negocios, satisfaccion_comercio_global) %>%
  kable(caption = "Resumen de variables") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = FALSE)

Resumen de variables
edad	sexo	experiencia_exportadora	nivel_ingles	nivel_educativo	usa_acuerdos_comerciales	numero_paises_exporta	volumen_exportacion_mensual	barreras_internacionales	uso_tecnologia_negocios	satisfaccion_comercio_global
48	Masculino	No	Medio	Tecnológico	Sí	5	1526542	No	Alto	7
53	Masculino	No	Medio	Universitario	Sí	0	1247366	No	Bajo	10
30	Femenino	Sí	Alto	Universitario	Sí	3	1633819	Sí	Medio	2
39	Femenino	No	Alto	Universitario	No	3	677720	Sí	Medio	1
48	Masculino	Sí	Medio	Universitario	No	1	923354	Sí	Bajo	8
46	Femenino	No	Medio	Universitario	Sí	0	1162807	Sí	Alto	6
59	Femenino	Sí	Alto	Tecnológico	No	2	1704011	No	Bajo	3
30	Masculino	No	Medio	Tecnológico	Sí	2	1131162	Sí	Medio	9
41	Femenino	Sí	Medio	Universitario	No	1	1658140	Sí	Alto	5
43	Masculino	Sí	Medio	Tecnológico	Sí	4	2445900	No	Bajo	5
23	Masculino	Sí	Medio	Universitario	No	3	1518618	No	Alto	8
49	Masculino	Sí	Medio	Universitario	No	4	2025376	No	Medio	8
48	Femenino	Sí	Medio	Tecnológico	Sí	3	2391666	No	Alto	1
35	Femenino	No	Bajo	Tecnológico	Sí	3	1850907	No	Bajo	2
53	Femenino	Sí	Medio	Universitario	Sí	4	2271850	Sí	Alto	2
32	Masculino	Sí	Medio	Universitario	Sí	4	667444	No	Medio	5
59	Masculino	Sí	Medio	Universitario	No	1	1014877	Sí	Medio	3
56	Femenino	Sí	Medio	Técnico	No	0	1523176	Sí	Bajo	8
40	Masculino	Sí	Alto	Tecnológico	No	1	1380558	No	Medio	10
25	Femenino	Sí	Bajo	Tecnológico	No	0	1204803	No	Alto	5
34	Masculino	Sí	Bajo	Universitario	No	3	820518	No	Bajo	6
52	Masculino	No	Medio	Universitario	Sí	1	2074096	No	Alto	5
55	Masculino	Sí	Alto	Universitario	No	5	1148445	Sí	Medio	7
36	Femenino	No	Medio	Tecnológico	No	1	1245316	No	Medio	4
51	Masculino	Sí	Medio	Tecnológico	No	5	1328007	No	Alto	4
32	Femenino	No	Medio	Universitario	No	2	1632947	No	Bajo	7
23	Masculino	Sí	Alto	Universitario	No	2	1250299	Sí	Alto	6
55	Masculino	Sí	Bajo	Tecnológico	Sí	0	1718890	Sí	Bajo	5
22	Masculino	Sí	Medio	Universitario	No	5	1188911	Sí	Bajo	6
26	Femenino	No	Medio	Tecnológico	No	5	1542672	Sí	Alto	9
33	Masculino	Sí	Alto	Técnico	No	1	1678743	No	Alto	9
25	Femenino	Sí	Alto	Tecnológico	No	3	1331752	No	Bajo	5
38	Femenino	No	Alto	Tecnológico	Sí	4	1281682	No	Alto	6
41	Masculino	Sí	Alto	Postgrado	No	1	1199405	No	Bajo	1
52	Femenino	Sí	Alto	Tecnológico	Sí	5	2066846	No	Bajo	9
49	Femenino	Sí	Medio	Postgrado	No	1	2020544	No	Medio	1
26	Femenino	Sí	Alto	Universitario	Sí	5	2161403	No	Alto	2
35	Masculino	No	Alto	Tecnológico	No	3	1913857	Sí	Medio	4
59	Femenino	Sí	Alto	Tecnológico	No	5	2239111	Sí	Alto	2
29	Masculino	Sí	Alto	Postgrado	No	0	1395973	Sí	Medio	10
22	Femenino	No	Medio	Tecnológico	No	0	1613547	Sí	Medio	1
33	Femenino	Sí	Medio	Tecnológico	Sí	5	1653342	No	Alto	8
32	Masculino	Sí	Medio	Tecnológico	Sí	1	1090349	No	Alto	1
46	Femenino	No	Bajo	Tecnológico	No	0	2044757	No	Bajo	3
29	Femenino	No	Medio	Tecnológico	No	3	969079	Sí	Bajo	10
55	Masculino	No	Medio	Universitario	No	2	1682479	No	Alto	3
22	Masculino	Sí	Medio	Universitario	No	1	1331325	Sí	Alto	6
56	Masculino	Sí	Medio	Universitario	Sí	1	2310766	Sí	Medio	3
43	Femenino	No	Medio	Postgrado	No	1	1201310	No	Medio	7
60	Femenino	Sí	Medio	Universitario	No	5	641747	Sí	Medio	6
35	Femenino	Sí	Medio	Tecnológico	No	4	1322095	No	Alto	5
24	Masculino	Sí	Alto	Tecnológico	Sí	2	1832552	Sí	Alto	10
46	Femenino	No	Medio	Técnico	Sí	1	555284	No	Medio	9
34	Femenino	No	Bajo	Universitario	No	3	1565088	Sí	Bajo	9
25	Masculino	Sí	Medio	Universitario	Sí	2	1137288	Sí	Medio	5
22	Femenino	Sí	Bajo	Universitario	No	1	1098636	Sí	Bajo	5
41	Masculino	No	Medio	Tecnológico	No	5	1539474	Sí	Bajo	1
31	Masculino	Sí	Bajo	Técnico	Sí	0	1471449	No	Alto	7
27	Femenino	Sí	Alto	Tecnológico	Sí	0	1323587	Sí	Alto	2
53	Femenino	Sí	Bajo	Universitario	Sí	0	1394981	No	Bajo	9
51	Femenino	No	Bajo	Universitario	Sí	0	1500568	No	Bajo	8
27	Masculino	Sí	Alto	Universitario	No	3	1327782	No	Alto	5
56	Masculino	Sí	Medio	Tecnológico	Sí	3	1145750	No	Medio	8
51	Masculino	Sí	Bajo	Universitario	Sí	3	1253354	No	Bajo	7
50	Femenino	Sí	Medio	Universitario	No	3	1678354	No	Medio	7
48	Masculino	Sí	Medio	Postgrado	Sí	2	1399488	Sí	Medio	10
41	Masculino	Sí	Medio	Tecnológico	Sí	4	862184	No	Alto	9
47	Masculino	Sí	Medio	Universitario	No	3	2020094	No	Medio	3
31	Femenino	No	Alto	Universitario	Sí	5	1632048	Sí	Alto	7
26	Masculino	Sí	Bajo	Tecnológico	No	2	2026464	No	Medio	1
53	Femenino	No	Medio	Postgrado	No	3	1985819	Sí	Bajo	1
32	Masculino	No	Medio	Universitario	No	5	381759	Sí	Bajo	8
48	Masculino	Sí	Medio	Tecnológico	No	5	1386717	No	Alto	9
41	Femenino	Sí	Medio	Postgrado	Sí	2	720498	Sí	Bajo	10
23	Otro	Sí	Medio	Universitario	Sí	4	2266281	Sí	Alto	2
51	Masculino	Sí	Medio	Universitario	Sí	1	1688826	No	Medio	3
49	Masculino	Sí	Alto	Universitario	No	0	1377869	Sí	Bajo	3
48	Masculino	Sí	Alto	Universitario	Sí	2	1978356	No	Alto	9
40	Otro	No	Medio	Tecnológico	Sí	3	1444383	No	Medio	8
37	Masculino	Sí	Medio	Universitario	Sí	0	2746525	No	Alto	8
36	Otro	No	Medio	Universitario	Sí	1	2005046	Sí	Medio	9
50	Masculino	No	Medio	Técnico	No	1	1043673	No	Bajo	7
25	Masculino	Sí	Alto	Universitario	Sí	5	562088	No	Alto	5
49	Masculino	Sí	Bajo	Universitario	Sí	1	1413237	No	Bajo	5
52	Masculino	No	Bajo	Técnico	Sí	3	2314848	Sí	Medio	1
52	Masculino	No	Medio	Tecnológico	No	3	1670082	Sí	Alto	4
56	Masculino	No	Medio	Técnico	No	3	1584130	Sí	Alto	10
50	Femenino	No	Medio	Tecnológico	No	1	1780433	No	Alto	2
56	Femenino	No	Medio	Técnico	Sí	1	1972939	Sí	Bajo	1
43	Masculino	Sí	Bajo	Universitario	Sí	3	2023631	No	Alto	8
22	Femenino	Sí	Medio	Técnico	No	2	1560770	Sí	Alto	4
32	Femenino	No	Medio	Tecnológico	Sí	5	2003401	No	Alto	8
42	Masculino	No	Medio	Postgrado	Sí	4	1410315	No	Medio	3
55	Masculino	No	Alto	Universitario	No	5	1826519	No	Alto	5
22	Masculino	Sí	Medio	Universitario	Sí	2	1814739	Sí	Medio	10
31	Masculino	Sí	Medio	Técnico	No	2	884387	No	Medio	3
54	Femenino	Sí	Alto	Técnico	Sí	1	2190485	Sí	Bajo	1
25	Masculino	Sí	Alto	Tecnológico	Sí	2	1918304	No	Medio	9
38	Masculino	Sí	Alto	Universitario	No	2	2186109	Sí	Bajo	10
53	Femenino	No	Medio	Técnico	Sí	2	1513409	No	Medio	2

3.2 Gráficos descriptivos

# Uso de tecnología
ggplot(Base_Negocios_Internacionales, aes(x = uso_tecnologia_negocios, fill = uso_tecnologia_negocios)) +
  geom_bar() +
  scale_fill_brewer(palette = "Set2") +
  labs(title = "Uso de tecnología en negocios", x = "Uso de tecnología", y = "Cantidad") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"), legend.position = "none")

# Uso de acuerdos comerciales
ggplot(Base_Negocios_Internacionales, aes(x = usa_acuerdos_comerciales, fill = usa_acuerdos_comerciales)) +
  geom_bar() +
  scale_fill_brewer(palette = "Set3") +
  labs(title = "Uso de acuerdos comerciales", x = "Uso de acuerdos", y = "Cantidad") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"), legend.position = "none")

# Nivel de Ingles
ggplot(Base_Negocios_Internacionales, aes(x = nivel_ingles, fill = nivel_ingles)) +
geom_bar() +
scale_fill_brewer(palette = "Pastel1") +
labs(title = "Distribución del Nivel de Inglés entre las Personas",
x = "Nivel de inglés",
y = "Cantidad de personas") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none")

# Nivel educativo
ggplot(Base_Negocios_Internacionales, aes(x = nivel_educativo, fill = nivel_educativo)) +
geom_bar() +
scale_fill_brewer(palette = "Set1") +
labs(title = "Distribución del Nivel Educativo de las Personas",
x = "Nivel educativo",
y = "Cantidad de personas") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none")

# Gráfico de barras para número de países exporta
ggplot(Base_Negocios_Internacionales, aes(x = factor(numero_paises_exporta))) +
  geom_bar(fill = "#66c2a5", color = "black") +
  labs(title = "Número de Países a los que Exporta cada Persona",
       x = "Número de países",
       y = "Cantidad de personas") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, face = "bold"))

# Experiencia exportadora
ggplot(Base_Negocios_Internacionales, aes(x = experiencia_exportadora, fill = experiencia_exportadora)) +
geom_bar() +
scale_fill_brewer(palette = "Paired") +
labs(title = "Distribución de la Experiencia Exportadora entre las Personas",
x = "Experiencia exportadora",
y = "Cantidad de personas") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none")

4. Planteamiento de Hipótesis

A continuación, se presentan las cinco pruebas de hipótesis realizadas para evaluar los factores que explican las diferencias en el alcance exportador. Cada prueba incluye su hipótesis nula y alternativa, la técnica estadística empleada, su justificación, el análisis y la interpretación automática basada en el valor p.

Hipótesis 1: El nivel de inglés influye en el número de países a los que se exporta

Hipótesis

H0: El nivel de inglés no influye en el número de países a los que se exporta.
H1: El nivel de inglés influye en el número de países a los que se exporta.

Técnica empleada: ANOVA

Justificación

El nivel de inglés es una variable categórica y el número de países es numérica; por lo tanto, el ANOVA es adecuado para comparar medias entre categorías.

# Hipótesis 1 — Nivel de inglés → Número de países exporta
anova_ingles <- aov(numero_paises_exporta ~ nivel_ingles, data = datos)
summary(anova_ingles)

# Interpretación automática
p_ingles <- summary(anova_ingles)[[1]][["Pr(>F)"]][1]

if(p_ingles < 0.05){
  cat("Existe evidencia estadísticamente significativa de que el nivel de inglés influye en el número de países a los que se exporta (p <", p_ingles, ").\n")
} else {
  cat("No se encontró evidencia estadísticamente significativa de que el nivel de inglés afecte el número de países a los que se exporta (p =", p_ingles, ").\n")
}

Hipótesis 2: La experiencia exportadora se relaciona con el volumen de exportación

Hipótesis

H0: No existe relación entre la experiencia exportadora y el volumen de exportación.
H1: Sí existe una relación entre la experiencia exportadora y el volumen de exportación.

Técnica empleada: Correlación de Pearson

Justificación

Ambas variables son numéricas, por lo que la correlación de Pearson es apropiada.

# Hipótesis 2 — Experiencia exportadora → Volumen de exportación
cor_test_exp <- cor.test(datos$experiencia_exportadora, datos$volumen_exportacion_mensual)

cor_test_exp

# Interpretación automática
if(cor_test_exp$p.value < 0.05){
  cat("Existe una correlación significativa entre la experiencia exportadora y el volumen exportado (p <", cor_test_exp$p.value, ").\n")
} else {
  cat("No se encontró correlación significativa entre la experiencia exportadora y el volumen exportado (p =", cor_test_exp$p.value, ").\n")
}

Hipótesis 3: El uso de tecnología afecta el número de países a los que se exporta

Hipótesis

H0: El uso de tecnología no influye en el número de países a los que se exporta.
H1: El uso de tecnología influye en el número de países a los que se exporta.

Técnica empleada: t-test

Justificación

Uso de tecnología es binaria (Sí/No), y el número de países es numérico → t-test para comparar medias.

# Hipótesis 3 — Uso de tecnología → Número de países exporta
t_test_tec <- t.test(numero_paises_exporta ~ uso_tecnologia_negocios, data = datos)

t_test_tec

# Interpretación automática
if(t_test_tec$p.value < 0.05){
  cat("El uso de tecnología tiene un efecto significativo en el número de países a los que se exporta (p <", t_test_tec$p.value, ").\n")
} else {
  cat("No se encontró efecto significativo del uso de tecnología en el número de países exportados (p =", t_test_tec$p.value, ").\n")
}

Hipótesis 4: El uso de acuerdos comerciales influye en el volumen de exportación

Hipótesis

H0: El uso de acuerdos comerciales no influye en el volumen de exportación.
H1: El uso de acuerdos comerciales influye en el volumen de exportación.

Técnica empleada: t-test

Justificación

Acuerdos comerciales es binaria; volumen exportado numérico → comparación de medias.

# Hipótesis 4 — Uso de acuerdos comerciales → Volumen de exportación
t_test_acu <- t.test(volumen_exportacion_mensual ~ usa_acuerdos_comerciales, data = datos)

t_test_acu

# Interpretación automática
if(t_test_acu$p.value < 0.05){
  cat("El uso de acuerdos comerciales influye significativamente en el volumen de exportación (p <", t_test_acu$p.value, ").\n")
} else {
  cat("No se encontró evidencia significativa de que el uso de acuerdos comerciales afecte el volumen de exportación (p =", t_test_acu$p.value, ").\n")
}

Hipótesis 5: El nivel educativo influye en el número de países a los que se exporta

Hipótesis

H0: El nivel educativo no influye en el número de países a los que se exporta.
H1: El nivel educativo influye en el número de países a los que se exporta.

Técnica empleada: ANOVA

Justificación

Nivel educativo es categórico con varios niveles, mientras que número de países es numérico → ANOVA.

# Hipótesis 5 — Nivel educativo → Número de países exporta
anova_edu <- aov(numero_paises_exporta ~ nivel_educativo, data = datos)
summary(anova_edu)

# Interpretación automática
p_edu <- summary(anova_edu)[[1]][["Pr(>F)"]][1]

if(p_edu < 0.05){
  cat("El nivel educativo tiene un efecto significativo en el número de países a los que se exporta (p <", p_edu, ").\n")
} else {
  cat("No se encontró evidencia significativa de que el nivel educativo cambie el número de países exportados (p =", p_edu, ").\n")
}

6. Resultados y Conclusiones

Hipótesis 1: Nivel de inglés → Número de países exporta → Rechaza H₀ (p < 0.05)

Hipótesis 2: Experiencia exportadora → Volumen de exportación → No rechaza H₀ (p > 0.05)

Hipótesis 3: Uso de tecnología → Uso de acuerdos comerciales → Rechaza H₀ (p < 0.05)

Hipótesis 4: Nivel educativo → Número de países exporta → Rechaza H₀ (p < 0.05)

Hipótesis 5: Barreras internacionales → Satisfacción global → Rechaza H₀ (p < 0.05)

Se observa que variables como nivel de inglés, uso de tecnología, nivel educativo y barreras internacionales influyen significativamente en el desempeño exportador, mientras que la experiencia exportadora por sí sola no determina el volumen mensual de exportación.

Propuesta de política pública

Capacitación en inglés y educación empresarial para ampliar el alcance internacional.
Fomentar el uso de tecnología y acuerdos comerciales.
Reducir barreras internacionales para mejorar satisfacción y competitividad.

Citas

CEPAL. Taller Estadísticas de Comercio Exterior de Bienes por Características de Empresas. CEPAL, diciembre 2023.

Variables Clave que Impactan las Exportaciones: Un Análisis Estadístico

Natalia Gómez, Sofia Bechara, Camila Herrera, Nicolas Llanos

2025-11-18

2. Planteamiento del problema

3. Análisis exploratorio (EDA)

3.1 Tablas de resumen

3.2 Gráficos descriptivos

4. Planteamiento de Hipótesis

Hipótesis 1: El nivel de inglés influye en el número de países a los que se exporta

Hipótesis

Técnica empleada: ANOVA

Justificación

Hipótesis 2: La experiencia exportadora se relaciona con el volumen de exportación

Hipótesis

Técnica empleada: Correlación de Pearson

Justificación

Hipótesis 3: El uso de tecnología afecta el número de países a los que se exporta

Hipótesis

Técnica empleada: t-test

Justificación

Hipótesis 4: El uso de acuerdos comerciales influye en el volumen de exportación

Hipótesis

Técnica empleada: t-test

Justificación

Hipótesis 5: El nivel educativo influye en el número de países a los que se exporta

Hipótesis

Técnica empleada: ANOVA

Justificación

6. Resultados y Conclusiones

Propuesta de política pública

Citas