Hipótesis central. Cuando el peso colombiano se deprecia, el comercio exterior mejora: las exportaciones crecen más, las importaciones crecen menos y el saldo comercial es mejor que cuando el peso se aprecia.
Conclusión. La hipótesis central no queda respaldada con los datos de 224 meses (enero de 2008 a agosto de 2026); 1 de las 4 subhipótesis resultaron respaldadas.
Son asociaciones, no causas: el análisis no controla el precio de las materias primas ni la demanda externa.
¿Se comportan de manera distinta las exportaciones, las importaciones y el saldo comercial de Colombia en los meses en que el peso se deprecia que en los meses en que se aprecia?
Una depreciación abarata los productos colombianos para los compradores extranjeros y encarece las importaciones en pesos. Si se cumple la condición Marshall-Lerner, el saldo comercial mejora. Por eso la hipótesis se formula antes de mirar los resultados y en la dirección que predice la teoría.
H (central): en los meses de depreciación del peso, el comercio exterior de Colombia mejora frente a los meses de apreciación. Se considera respaldada si se cumplen H1, H2 y H3a.
Un mes es de depreciación si la TRM es mayor que la del mismo mes del año anterior, y de apreciación en otro caso. Cada subhipótesis se contrasta con una prueba de una cola al 5 %, en la dirección de la teoría:
| Id | Subhipótesis (H1 de cada prueba) | Hipótesis nula | Prueba | Resultado |
|---|---|---|---|---|
| H1 | Las exportaciones crecen más en meses de depreciación: \(\mu_{dep} > \mu_{apr}\) | \(\mu_{dep} \le \mu_{apr}\) | Welch | R4 |
| H2 | Las importaciones crecen menos en meses de depreciación: \(\mu_{dep} < \mu_{apr}\) | \(\mu_{dep} \ge \mu_{apr}\) | Welch | R5 |
| H3a | El saldo comercial es mejor en meses de depreciación: \(\mu_{dep} > \mu_{apr}\) | \(\mu_{dep} \le \mu_{apr}\) | Welch | R9 |
| H3b | La proporción de meses con déficit es menor en meses de depreciación: \(p_{dep} < p_{apr}\) | \(p_{dep} \ge p_{apr}\) | Dif. de proporciones | R10 |
Si una prueba de una cola no respalda la subhipótesis, se mira la de dos colas para saber si hay un efecto significativo en sentido contrario o si el resultado es simplemente no concluyente. Los resultados R1 a R3 y R6 a R8 son de contexto y apoyo.
La base contiene 236 meses, desde enero de 2007 hasta agosto de 2026. La TRM proviene del Banco de la República; las exportaciones e importaciones (millones de USD FOB) del DANE-DIAN, con cifras de 2026 provisionales. Las variaciones interanuales solo existen desde enero de 2008, por lo que las pruebas de las hipótesis usan 224 meses: 127 de depreciación y 97 de apreciación. El periodo Antes corresponde a 2007-2014 y Después a 2015 en adelante.
Todos los intervalos son al 95 % y las pruebas usan \(\alpha = 0,05\).
| Grupo | n | Media exp. (%) | DE exp. (%) | Media imp. (%) | DE imp. (%) | Saldo medio (USD M) |
|---|---|---|---|---|---|---|
| Depreciación | 127 | -2,24 | 26,28 | 2,64 | 21,20 | -764 |
| Apreciación | 97 | 17,44 | 19,45 | 12,26 | 19,01 | -369 |
TRM promedio mensual y balanza comercial (rojo = déficit)
| Subhipótesis | Esperado (teoría) | Diferencia observada | Valor p (una cola) | Veredicto |
|---|---|---|---|---|
| H1. Exportaciones | Deprec. > Aprec. | -19,68 p. p. | p = 1,000 | Rechazada (efecto contrario) |
| H2. Importaciones | Deprec. < Aprec. | -9,61 p. p. | p < 0,001 | Respaldada |
| H3a. Saldo comercial | Deprec. > Aprec. | -395 millones USD | p = 1,000 | Rechazada (efecto contrario) |
| H3b. Meses con déficit | Deprec. < Aprec. | 24,0 p. p. | p = 1,000 | Rechazada (efecto contrario) |
La hipótesis central no queda respaldada: 1 de las 4 subhipótesis se cumplen.
Variación interanual por tipo de mes
\(H_0: \mu_{dep} \le \mu_{apr}\) frente a \(H_1: \mu_{dep} > \mu_{apr}\).
En los meses de depreciación las exportaciones variaron en promedio -2,24 % y en los de apreciación 17,44 %. La diferencia (depreciación − apreciación) es de -19,68 puntos porcentuales, IC del 95 % [-25,70; -13,66]. Con la prueba de una cola (\(t = -6,44\)) el valor es p = 1,000, así que rechazada (efecto contrario). La prueba de dos colas da p < 0,001: la diferencia es significativa, pero en sentido contrario al que predice la teoría.
\(H_0: \mu_{dep} \ge \mu_{apr}\) frente a \(H_1: \mu_{dep} < \mu_{apr}\).
Las importaciones variaron en promedio 2,64 % en meses de depreciación y 12,26 % en meses de apreciación. La diferencia es de -9,61 p. p., IC del 95 % [-14,92; -4,30] (\(t = -3,57\)). Con la prueba de una cola, p < 0,001: respaldada.
Diferencias de medias (depreciación − apreciación) con IC del 95 %
Saldo comercial mensual por tipo de mes
H3a (R9). \(H_0: \mu_{dep} \le \mu_{apr}\) frente a \(H_1: \mu_{dep} > \mu_{apr}\). El saldo medio fue de -764 millones de USD en meses de depreciación y de -369 en meses de apreciación. La diferencia es de -395 millones, IC del 95 % [-587; -204] (\(t = -4,07\)). Con la prueba de una cola, p = 1,000: rechazada (efecto contrario).
H3b (R10). \(H_0: p_{dep} \ge p_{apr}\) frente a \(H_1: p_{dep} < p_{apr}\). Tuvieron déficit 109 de 127 meses de depreciación (85,8 %) y 60 de 97 meses de apreciación (61,9 %). La diferencia es de 24,0 p. p., IC del 95 % [12,6; 35,4] (\(\chi^2 = 17,06\)). Con la prueba de una cola, p = 1,000: rechazada (efecto contrario).
| ID | Descripción | Estimador | IC 95 % | Estadístico | Valor p (2 colas) | Decisión |
|---|---|---|---|---|---|---|
| R1 | Media de la variación interanual de la TRM (%) | 3,981 | [2,091; 5,871] | Solo IC | ||
| R2 | Balanza comercial mensual media (millones USD); H0: μ = 0 | -565,285 | [-657,579; -472,990] | -12,07 | < 0,001 | Rechaza H0 |
| R3 | Proporción de meses con déficit comercial | 0,746 | [0,690; 0,801] | Solo IC | ||
| R4 | H1. Dif. de medias, var. exportaciones (deprec. − aprec., p. p.) | -19,682 | [-25,704; -13,660] | -6,44 | < 0,001 | Rechaza H0 |
| R5 | H2. Dif. de medias, var. importaciones (deprec. − aprec., p. p.) | -9,612 | [-14,925; -4,300] | -3,57 | < 0,001 | Rechaza H0 |
| R6 | Dif. de proporciones de déficit (Antes − Después de 2015) | -0,607 | [-0,706; -0,509] | 110,83 | < 0,001 | Rechaza H0 |
| R7 | Correlación var. TRM y var. exportaciones | -0,534 | [-0,621; -0,433] | -9,41 | < 0,001 | Rechaza H0 |
| R8 | Correlación var. TRM y var. importaciones | -0,398 | [-0,503; -0,282] | -6,47 | < 0,001 | Rechaza H0 |
| R9 | H3a. Dif. de medias del saldo (deprec. − aprec., millones USD) | -395,331 | [-587,085; -203,577] | -4,07 | < 0,001 | Rechaza H0 |
| R10 | H3b. Dif. de proporciones de déficit (deprec. − aprec.) | 0,240 | [0,126; 0,354] | 17,06 | < 0,001 | Rechaza H0 |
R1. La TRM aumentó en promedio 3,98 % frente al mismo mes del año anterior, IC del 95 % [2,09; 5,87]: en el periodo predominó la depreciación del peso.
R2 y R3. La balanza mensual media fue de -565 millones de USD (p < 0,001 frente a \(H_0: \mu = 0\)), y 176 de los 236 meses (74,6 %) tuvieron déficit, IC de Wald del 95 % [69,0; 80,1] %.
R6. Antes de 2015 el 38,5 % de los meses tuvo déficit, frente al 99,3 % desde 2015 (diferencia de -60,7 p. p., p < 0,001). Este cambio de época es importante para interpretar H3, como se muestra más abajo.
Variación interanual de la TRM frente a exportaciones e importaciones
R7 y R8. La correlación entre la variación de la TRM y la de las exportaciones es \(r = -0,534\) (p < 0,001), y con las importaciones \(r = -0,398\) (p < 0,001). Ambas son negativas: cuando la TRM sube más, el valor de lo exportado y de lo importado crece menos.
La prueba de Wilcoxon (dos colas) da p < 0,001 para exportaciones, p < 0,001 para importaciones y p < 0,001 para el saldo.
Después de 2015 casi todos los meses tienen déficit y la TRM está más alta, así que las diferencias entre meses de depreciación y de apreciación podrían reflejar la época y no la tasa de cambio. Se repiten las diferencias dentro de cada periodo:
| Periodo | Meses deprec. / aprec. | Dif. exportaciones (p. p.) | Dif. importaciones (p. p.) | Dif. saldo (millones USD) |
|---|---|---|---|---|
| Antes (2008-2014) | 38 / 46 | -28,1 | -16,1 | -353 |
| Después (2015-2026) | 89 / 51 | -12,9 | -3,6 | -116 |
En ambos periodos las exportaciones y las importaciones crecen menos en los meses de depreciación, así que ese patrón no depende solo del cambio de época. En el saldo, la diferencia entre tipos de mes es mucho menor después de 2015 que antes, lo que sugiere que parte del resultado de H3 viene del cambio de época y no solo de la TRM.
La autocorrelación de orden 1 de la variación interanual de la TRM es 0,940: los meses consecutivos no son observaciones independientes. Los errores estándar de las pruebas probablemente están subestimados y los valores p, que salen muy pequeños, deben leerse con cautela. Lo robusto es el signo y el tamaño de las diferencias, no la precisión de los valores p.
Gráficos Q-Q de las variaciones interanuales
Esta sección calcula las cifras de apoyo que se citan en la presentación y que no son resultados de pruebas de hipótesis.
| Periodo | Tipo de mes | Saldo medio (millones USD) |
|---|---|---|
| Antes (2008-2014) | Depreciación | -95 |
| Después (2015-2026) | Depreciación | -1.050 |
| Antes (2008-2014) | Apreciación | 257 |
| Después (2015-2026) | Apreciación | -934 |
Una explicación plausible, que este análisis no contrasta, es que buena parte de las exportaciones colombianas son materias primas (petróleo, carbón, café) cotizadas en dólares. Cuando su precio internacional cae, el peso tiende a depreciarse y a la vez baja el valor exportado, de modo que la TRM refleja el mismo ciclo y no es la causa. Además, las exportaciones están medidas en valor y no en volumen, y los exportadores que dependen de insumos importados pierden parte del beneficio. Para verificarlo habría que separar exportaciones tradicionales y no tradicionales, medir volúmenes y añadir el precio del petróleo.
knitr::opts_chunk$set(echo = FALSE, message = FALSE, warning = FALSE,
fig.align = "center", fig.width = 8, fig.height = 4.5)
alfa <- 0.05 # nivel de significancia (IC al 95 %)
# Formato numérico en español para el texto y las tablas
f <- function(x, d = 2) formatC(x, format = "f", digits = d,
big.mark = ".", decimal.mark = ",")
fp <- function(p) ifelse(is.na(p), "", ifelse(p < 0.001, "< 0,001", f(p, 3)))
fpt <- function(p) ifelse(p < 0.001, "p < 0,001", paste("p =", f(p, 3)))
ic <- function(li, ls, d = 2) paste0("[", f(li, d), "; ", f(ls, d), "]")
dec <- function(p) ifelse(p < alfa, "se rechaza", "no se rechaza")
# Paleta del informe: azul rey y blanco (rojo solo como acento)
azul <- "#4169E1"; azul_osc <- "#28409A"; azul_cl <- "#C9D6F7"; rojo <- "#C00000"
tema <- function(...) par(col.main = azul_osc, col.lab = azul_osc, font.main = 2, ...)
# Veredicto sobre una subhipótesis direccional:
# p1 = valor p de una cola en la dirección que predice la teoría
# p2 = valor p de dos colas (para detectar un efecto significativo contrario)
veredicto <- function(p1, p2) {
ifelse(p1 < alfa, "Respaldada",
ifelse(p2 < alfa, "Rechazada (efecto contrario)", "No concluyente"))
}
datos <- read.csv("data/base_trm_comercio.csv", na.strings = "NA",
stringsAsFactors = FALSE, encoding = "UTF-8")
datos$mes <- as.Date(datos$mes)
datos$tipo_mes[datos$tipo_mes == ""] <- NA
datos$tipo_mes <- factor(datos$tipo_mes, levels = c("Depreciacion", "Apreciacion"))
datos$saldo <- factor(datos$saldo, levels = c("Deficit", "Superavit"))
datos$periodo <- factor(datos$periodo, levels = c("Antes", "Despues"))
# Muestra con variación interanual (desde enero de 2008)
d <- subset(datos, !is.na(var_trm_pct))
d$tipo_mes <- droplevels(d$tipo_mes)
n_tot <- nrow(datos); n <- nrow(d)
n_dep <- sum(d$tipo_mes == "Depreciacion"); n_apr <- sum(d$tipo_mes == "Apreciacion")
autocor1 <- cor(d$var_trm_pct[-1], d$var_trm_pct[-n])
mes_es <- function(x) paste(c("enero", "febrero", "marzo", "abril", "mayo", "junio",
"julio", "agosto", "septiembre", "octubre",
"noviembre", "diciembre")[as.integer(format(x, "%m"))],
"de", format(x, "%Y"))
fila <- function(id, descripcion, estimador, li, ls, estadistico, p) {
args <- list(id = id, descripcion = descripcion, estimador = estimador,
ic_inf = li, ic_sup = ls, estadistico = estadistico, p_valor = p)
largos <- lengths(args)
if (any(largos != 1))
stop("fila(", id, "): vacío o de longitud distinta de 1 en: ",
paste(names(args)[largos != 1], collapse = ", "), call. = FALSE)
data.frame(id = id, descripcion = descripcion, estimador = estimador,
ic_inf = li, ic_sup = ls, estadistico = estadistico, p_valor = p,
decision = ifelse(is.na(p), "Solo IC",
ifelse(p < alfa, "Rechaza H0", "No rechaza H0")),
stringsAsFactors = FALSE)
}
# R1. IC para la variación interanual media de la TRM (%)
t1 <- t.test(d$var_trm_pct, conf.level = 1 - alfa)
R1 <- fila("R1", "IC media de la variacion interanual de la TRM (%)",
unname(t1$estimate), t1$conf.int[1], t1$conf.int[2], NA, NA)
# R2. Prueba t para la balanza comercial mensual media (H0: mu = 0)
t2 <- t.test(datos$bal_musd, mu = 0, conf.level = 1 - alfa)
R2 <- fila("R2", "Balanza mensual media (USD M); H0: mu = 0",
unname(t2$estimate), t2$conf.int[1], t2$conf.int[2],
unname(t2$statistic), t2$p.value)
# R3. IC para la proporción de meses con déficit (Wald, como en clase)
x3 <- sum(datos$saldo == "Deficit"); n3 <- nrow(datos); p3 <- x3 / n3
z <- qnorm(1 - alfa / 2)
se3 <- sqrt(p3 * (1 - p3) / n3)
R3 <- fila("R3", "IC proporcion de meses con deficit comercial",
p3, p3 - z * se3, p3 + z * se3, NA, NA)
# R4. H1: exportaciones, depreciación - apreciación (Welch)
t4 <- t.test(var_exp_pct ~ tipo_mes, data = d, conf.level = 1 - alfa)
dif4 <- unname(t4$estimate[1] - t4$estimate[2])
R4 <- fila("R4", "Dif. de medias var. exportaciones (deprec. - aprec.)",
dif4, t4$conf.int[1], t4$conf.int[2], unname(t4$statistic), t4$p.value)
# R5. H2: importaciones, depreciación - apreciación (Welch)
t5 <- t.test(var_imp_pct ~ tipo_mes, data = d, conf.level = 1 - alfa)
dif5 <- unname(t5$estimate[1] - t5$estimate[2])
R5 <- fila("R5", "Dif. de medias var. importaciones (deprec. - aprec.)",
dif5, t5$conf.int[1], t5$conf.int[2], unname(t5$statistic), t5$p.value)
# R6. Diferencia de proporciones de meses con déficit: Antes vs Después de 2015
tab6 <- table(datos$periodo, datos$saldo)
x6 <- c(tab6["Antes", "Deficit"], tab6["Despues", "Deficit"])
n6 <- c(sum(tab6["Antes", ]), sum(tab6["Despues", ]))
t6 <- prop.test(x6, n6, conf.level = 1 - alfa, correct = FALSE)
dif6 <- unname(t6$estimate[1] - t6$estimate[2])
R6 <- fila("R6", "Dif. de proporciones de deficit (Antes - Despues del corte)",
dif6, t6$conf.int[1], t6$conf.int[2], unname(t6$statistic), t6$p.value)
# R7 y R8. Correlación de la variación de la TRM con exportaciones e importaciones
t7 <- cor.test(d$var_trm_pct, d$var_exp_pct, conf.level = 1 - alfa)
R7 <- fila("R7", "Correlacion var. TRM y var. exportaciones",
unname(t7$estimate), t7$conf.int[1], t7$conf.int[2],
unname(t7$statistic), t7$p.value)
t8 <- cor.test(d$var_trm_pct, d$var_imp_pct, conf.level = 1 - alfa)
R8 <- fila("R8", "Correlacion var. TRM y var. importaciones",
unname(t8$estimate), t8$conf.int[1], t8$conf.int[2],
unname(t8$statistic), t8$p.value)
# R9. H3a: saldo comercial mensual (USD M), depreciación - apreciación (Welch)
t9 <- t.test(bal_musd ~ tipo_mes, data = d, conf.level = 1 - alfa)
dif9 <- unname(t9$estimate[1] - t9$estimate[2])
R9 <- fila("R9", "Dif. de medias del saldo comercial (deprec. - aprec., USD M)",
dif9, t9$conf.int[1], t9$conf.int[2], unname(t9$statistic), t9$p.value)
# R10. H3b: proporción de meses con déficit, depreciación - apreciación
x10 <- as.vector(tapply(d$saldo == "Deficit", d$tipo_mes, sum))
n10 <- as.vector(table(d$tipo_mes))
t10 <- prop.test(x10, n10, conf.level = 1 - alfa, correct = FALSE)
dif10 <- unname(t10$estimate[1] - t10$estimate[2])
R10 <- fila("R10", "Dif. de proporciones de deficit (deprec. - aprec.)",
dif10, t10$conf.int[1], t10$conf.int[2],
unname(t10$statistic), t10$p.value)
resultados <- do.call(rbind, list(R1, R2, R3, R4, R5, R6, R7, R8, R9, R10))
# Pruebas de una cola en la dirección que predice la teoría
t4u <- t.test(var_exp_pct ~ tipo_mes, data = d, alternative = "greater")
t5u <- t.test(var_imp_pct ~ tipo_mes, data = d, alternative = "less")
t9u <- t.test(bal_musd ~ tipo_mes, data = d, alternative = "greater")
t10u <- prop.test(x10, n10, alternative = "less", correct = FALSE)
# Veredicto de cada subhipótesis
ver <- data.frame(
`Subhipótesis` = c("H1. Exportaciones", "H2. Importaciones",
"H3a. Saldo comercial", "H3b. Meses con déficit"),
`Esperado (teoría)` = c("Deprec. > Aprec.", "Deprec. < Aprec.",
"Deprec. > Aprec.", "Deprec. < Aprec."),
`Diferencia observada` = c(paste(f(dif4), "p. p."), paste(f(dif5), "p. p."),
paste(f(dif9, 0), "millones USD"),
paste(f(100 * dif10, 1), "p. p.")),
`Valor p (una cola)` = c(fpt(t4u$p.value), fpt(t5u$p.value),
fpt(t9u$p.value), fpt(t10u$p.value)),
`Veredicto` = c(veredicto(t4u$p.value, t4$p.value),
veredicto(t5u$p.value, t5$p.value),
veredicto(t9u$p.value, t9$p.value),
veredicto(t10u$p.value, t10$p.value)),
check.names = FALSE)
n_resp <- sum(ver$Veredicto == "Respaldada")
hipotesis_ok <- all(ver$Veredicto[c(1, 2, 3)] == "Respaldada")
desc <- data.frame(
Grupo = c("Depreciación", "Apreciación"),
n = as.vector(table(d$tipo_mes)),
`Media exp. (%)` = f(tapply(d$var_exp_pct, d$tipo_mes, mean)),
`DE exp. (%)` = f(tapply(d$var_exp_pct, d$tipo_mes, sd)),
`Media imp. (%)` = f(tapply(d$var_imp_pct, d$tipo_mes, mean)),
`DE imp. (%)` = f(tapply(d$var_imp_pct, d$tipo_mes, sd)),
`Saldo medio (USD M)` = f(tapply(d$bal_musd, d$tipo_mes, mean), 0),
check.names = FALSE, row.names = NULL)
knitr::kable(desc, align = "lrrrrrr",
caption = "Variación interanual de exportaciones e importaciones y saldo, por tipo de mes")
tema(mfrow = c(2, 1), mar = c(3, 4.5, 2.5, 1))
plot(datos$mes, datos$trm_prom, type = "l", lwd = 2, col = azul,
xlab = "", ylab = "Pesos por dólar", main = "TRM promedio mensual")
plot(datos$mes, datos$bal_musd, type = "h", lwd = 2,
col = ifelse(datos$bal_musd < 0, rojo, azul),
xlab = "", ylab = "Millones de USD FOB", main = "Balanza comercial mensual")
abline(h = 0)
knitr::kable(ver, align = "llrrl",
caption = "Veredicto sobre la hipótesis central y sus subhipótesis")
tema(mfrow = c(1, 2))
boxplot(var_exp_pct ~ tipo_mes, data = d, col = c(azul_cl, "white"), border = azul_osc,
names = c("Depreciación", "Apreciación"), xlab = "",
ylab = "Variación interanual (%)", main = "Exportaciones")
abline(h = 0, lty = 2)
boxplot(var_imp_pct ~ tipo_mes, data = d, col = c(azul_cl, "white"), border = azul_osc,
names = c("Depreciación", "Apreciación"), xlab = "",
ylab = "Variación interanual (%)", main = "Importaciones")
abline(h = 0, lty = 2)
est <- c(dif4, dif5); li <- c(t4$conf.int[1], t5$conf.int[1]); ls <- c(t4$conf.int[2], t5$conf.int[2])
tema(mar = c(4.5, 9, 1, 1))
plot(est, 1:2, xlim = range(c(li, ls, 0)), ylim = c(0.5, 2.5), pch = 19, col = azul,
yaxt = "n", ylab = "", xlab = "Diferencia en puntos porcentuales")
arrows(li, 1:2, ls, 1:2, angle = 90, code = 3, length = 0.05, col = azul, lwd = 2)
axis(2, at = 1:2, labels = c("H1 Exportaciones", "H2 Importaciones"), las = 1)
abline(v = 0, lty = 2)
tema()
boxplot(bal_musd ~ tipo_mes, data = d, col = c(azul_cl, "white"), border = azul_osc,
names = c("Depreciación", "Apreciación"), xlab = "",
ylab = "Millones de USD FOB", main = "Saldo comercial mensual")
abline(h = 0, lty = 2)
tab_res <- data.frame(
ID = resultados$id,
`Descripción` = c("Media de la variación interanual de la TRM (%)",
"Balanza comercial mensual media (millones USD); H0: μ = 0",
"Proporción de meses con déficit comercial",
"H1. Dif. de medias, var. exportaciones (deprec. − aprec., p. p.)",
"H2. Dif. de medias, var. importaciones (deprec. − aprec., p. p.)",
"Dif. de proporciones de déficit (Antes − Después de 2015)",
"Correlación var. TRM y var. exportaciones",
"Correlación var. TRM y var. importaciones",
"H3a. Dif. de medias del saldo (deprec. − aprec., millones USD)",
"H3b. Dif. de proporciones de déficit (deprec. − aprec.)"),
Estimador = f(resultados$estimador, 3),
`IC 95 %` = ic(resultados$ic_inf, resultados$ic_sup, 3),
`Estadístico` = ifelse(is.na(resultados$estadistico), "", f(resultados$estadistico)),
`Valor p (2 colas)` = fp(resultados$p_valor),
`Decisión` = resultados$decision,
check.names = FALSE)
knitr::kable(tab_res, align = "llrrrrl",
caption = "Resultados inferenciales R1 a R10 (pruebas de dos colas)")
tema(mfrow = c(1, 2))
plot(d$var_trm_pct, d$var_exp_pct, pch = 19, col = adjustcolor(azul, 0.6),
xlab = "Var. TRM (%)", ylab = "Var. exportaciones (%)", main = "Exportaciones")
abline(lm(var_exp_pct ~ var_trm_pct, data = d), col = rojo, lwd = 2)
plot(d$var_trm_pct, d$var_imp_pct, pch = 19, col = adjustcolor(azul, 0.6),
xlab = "Var. TRM (%)", ylab = "Var. importaciones (%)", main = "Importaciones")
abline(lm(var_imp_pct ~ var_trm_pct, data = d), col = rojo, lwd = 2)
w4 <- wilcox.test(var_exp_pct ~ tipo_mes, data = d, exact = FALSE)
w5 <- wilcox.test(var_imp_pct ~ tipo_mes, data = d, exact = FALSE)
w9 <- wilcox.test(bal_musd ~ tipo_mes, data = d, exact = FALSE)
estrat <- do.call(rbind, lapply(levels(d$periodo), function(pp) {
s <- d[d$periodo == pp, ]
g <- s$tipo_mes == "Depreciacion"
dm <- function(v) mean(v[g]) - mean(v[!g])
data.frame(Periodo = ifelse(pp == "Antes", "Antes (2008-2014)", "Después (2015-2026)"),
`Meses deprec. / aprec.` = paste(sum(g), "/", sum(!g)),
`Dif. exportaciones (p. p.)` = f(dm(s$var_exp_pct), 1),
`Dif. importaciones (p. p.)` = f(dm(s$var_imp_pct), 1),
`Dif. saldo (millones USD)` = f(dm(s$bal_musd), 0),
check.names = FALSE)
}))
knitr::kable(estrat, align = "lrrrr",
caption = "Diferencia (depreciación − apreciación) dentro de cada periodo")
tema(mfrow = c(1, 2))
qqnorm(d$var_exp_pct, main = "Exportaciones (var. %)", pch = 19, col = adjustcolor(azul, 0.6))
qqline(d$var_exp_pct, col = azul_osc, lwd = 2)
qqnorm(d$var_imp_pct, main = "Importaciones (var. %)", pch = 19, col = adjustcolor(azul, 0.6))
qqline(d$var_imp_pct, col = azul_osc, lwd = 2)
anio <- as.integer(format(datos$mes, "%Y"))
trm_anual <- tapply(datos$trm_prom, anio, mean)
val <- function(m, v) datos[[v]][datos$mes == as.Date(m)]
# Participación de meses de depreciación según periodo
pct_dep <- tapply(d$tipo_mes == "Depreciacion", d$periodo, mean) * 100
# Observaciones efectivas aproximadas por la autocorrelación de orden 1
n_efec <- n * (1 - autocor1) / (1 + autocor1)
# Exportaciones medias: 2013-2014 frente a 2016-2017
exp_prev <- mean(datos$exp_musd[anio %in% 2013:2014])
exp_post <- mean(datos$exp_musd[anio %in% 2016:2017])
# Saldo medio por periodo y tipo de mes
saldo_med <- aggregate(bal_musd ~ periodo + tipo_mes, data = d, FUN = mean)
sm <- saldo_med
sm$periodo <- ifelse(sm$periodo == "Antes", "Antes (2008-2014)", "Después (2015-2026)")
sm$tipo_mes <- ifelse(sm$tipo_mes == "Depreciacion", "Depreciación", "Apreciación")
sm$bal_musd <- f(sm$bal_musd, 0)
names(sm) <- c("Periodo", "Tipo de mes", "Saldo medio (millones USD)")
knitr::kable(sm, align = "llr", caption = "Saldo comercial medio por periodo y tipo de mes")