1 Resumen

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.

  • Importaciones (H2): respaldada. En meses de depreciación crecieron 9,61 puntos porcentuales menos que en meses de apreciación.
  • Exportaciones (H1): rechazada (efecto contrario). En meses de depreciación crecieron 19,68 puntos porcentuales menos, lo contrario de lo esperado.
  • Saldo comercial (H3): el saldo fue 395 millones de USD peor en meses de depreciación, y el 85,8 % de esos meses tuvo déficit frente al 61,9 % en meses de apreciación.

Son asociaciones, no causas: el análisis no controla el precio de las materias primas ni la demanda externa.

2 Problema e hipótesis

2.1 Pregunta de investigación

¿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?

2.2 Fundamento teórico

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.

2.3 Hipótesis central y subhipótesis

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.

3 Datos y metodología

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 \(\alpha = 0,05\).

Variación interanual de exportaciones e importaciones y saldo, por tipo de mes
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)

TRM promedio mensual y balanza comercial (rojo = déficit)

4 Contrastación de la hipótesis

Veredicto sobre la hipótesis central y sus subhipótesis
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.

4.1 H1. Exportaciones (R4)

Variación interanual por tipo de mes

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.

4.2 H2. Importaciones (R5)

\(H_0: \mu_{dep} \ge \mu_{apr}\) 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 %

Diferencias de medias (depreciación − apreciación) con IC del 95 %

4.3 H3. Saldo comercial (R9 y R10)

Saldo comercial mensual por tipo de mes

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).

5 Resultados de apoyo

Resultados inferenciales R1 a R10 (pruebas de dos colas)
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

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.

6 Robustez

6.1 Prueba no paramétrica

La prueba de Wilcoxon (dos colas) da p < 0,001 para exportaciones, p < 0,001 para importaciones y p < 0,001 para el saldo.

6.2 ¿Lo explica el cambio de época de 2015?

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:

Diferencia (depreciación − apreciación) 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.

6.3 Independencia

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

Gráficos Q-Q de las variaciones interanuales

6.4 Cifras de contexto de la presentación

Esta sección calcula las cifras de apoyo que se citan en la presentación y que no son resultados de pruebas de hipótesis.

  • TRM promedio anual: 2013 = 1.869, 2014 = 2.003, 2015 = 2.743 y 2025 = 4.052 pesos por dólar.
  • TRM mensual: junio de 2014 = 1.887, diciembre de 2014 = 2.351 y diciembre de 2015 = 3.245.
  • Exportaciones mensuales (millones de USD): junio de 2014 = 4.705, diciembre de 2014 = 3.795 y diciembre de 2015 = 2.589.
  • Exportaciones medias: 2013-2014 = 4.737 y 2016-2017 = 2.908 millones de USD, una variación de -39 %.
  • Meses de depreciación: 64 % de los meses desde 2015 y 45 % de los anteriores.
  • Observaciones efectivas aproximadas: 7 de 224, por una autocorrelación de 0,94.
Saldo comercial medio por periodo y tipo de mes
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

7 Discusión y conclusiones

7.1 Qué dice la evidencia sobre la hipótesis

  1. La hipótesis central no se respalda. Solo la subhipótesis de las importaciones (H2) va en la dirección que predice la teoría.
  2. Importaciones (H2). Crecen 9,61 p. p. menos en meses de depreciación, lo que es coherente con el encarecimiento de lo importado en pesos.
  3. Exportaciones (H1). No crecen más con la depreciación: crecen 19,68 p. p. menos. La teoría simple no se cumple en estos datos.
  4. Saldo (H3). El saldo es peor y el déficit más frecuente en meses de depreciación, aunque la diferencia se reduce mucho al separar por periodos.

7.2 Por qué las exportaciones no responden como se esperaba

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.

7.3 Recomendaciones

  • Exportadores: no asumir que una depreciación aumenta por sí sola sus ingresos; revisar su dependencia de precios internacionales y de insumos importados.
  • Importadores: aprovechar los periodos de apreciación, pero cubrirse del riesgo cambiario con contratos a futuro, porque una reversión encarece las compras.
  • Análisis futuros: separar exportaciones por tipo de producto, usar volúmenes y controlar por el precio de las materias primas.

7.4 Limitaciones

  • Los resultados muestran asociación, no causalidad.
  • Los meses no son independientes (autocorrelación alta), por lo que los valores p están sobreestimados en precisión.
  • La fecha de corte de 2015 es un supuesto del equipo.
  • Las cifras están en dólares corrientes, sin ajustar por precios, y las de 2026 son provisionales.

8 Fuentes de datos

  • Banco de la República: tasa representativa del mercado (TRM).
  • DANE-DIAN: exportaciones e importaciones de Colombia (2026 provisional).

9 Anexo: código

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")