You are on page 1of 16

PRODUCCION DE SOYA EN BOLIVIA

 Integrantes:
 Ezequiel ruelas vargas
 Marco mejia tejaya
 Viviana cuany espindola
 Miguel angel lopez languidey
 David rios

3%. "Estados Unidos (EEUU) fue el mayor productor de soya. El grano de soja y sus subproductos (aceite y harina de soja. Se comercializa en todo el mundo. debido a sus múltiples usos. e India. de medio contenido en aceite y alto de proteína.  Bolivia ocupa el décimo lugar en producción mundial de soya en una lista de 15 países. China.  le siguió Brasil con el 30%. 19%. Argentina. INTRODUCCION  La soja o soya es una especie de la familia de las  leguminosas (Fabaceae) cultivada por sus semillas. concentrando el 34% de la producción mundial. 4%. Bolivia ocupó el décimo lugar” . principalmente) se utilizan en la alimentación humana y del ganado.

 En base a esas investigaciones se generará un modelo econométrico de producción de soya para Bolivia. cómo afecta al diario vivir de los bolivianos. el cual se realiza para conocer cuál es el movimiento que tiene éste producto dentro del país. cómo ha ido variando el consumo de éste a través del tiempo y qué factores o variables son las que afectan dicho consumo. . JUSTIFICACION  Este trabajo se realiza para conocer acerca del modelo econométrico en cuanto la producción de soya y de cómo se ha beneficiado en el desarrollo económico.

 Objetivos Específicos  Analizar el comportamiento que tiene la producción de soya  Recolectar datos históricos de las diferentes variables que afectan la producción de soya en Bolivia. aplicando lo aprendido en la materia de Econometría y generar un pronóstico de acuerdo a las variables estudiadas. OBJETIVO GENERAL  Analizar un modelo econométrico para la producción de soya. .  Generar un modelo econométrico nos ayude a realizar un pronóstico sobre la producción de soya en Bolivia.  Identificar las variables que serán estudiadas de acuerdo a lo analizado.

las cuales formarán parte de nuestro modelo econométrico.  Tabulación de datos en el software eviews 4 y proceder al análisis de éstos.  Especificación del modelo econométrico de la producción de soya en Bolivia.  Planteamiento del modelo econométrico final. sobre producción de soya  Definición de las variables que afectan la producción de soya. con los parámetros que sí son significativos y las variables que influyen en la producción de soya.  Recolección de datos históricos de 15 años (2001 – 2015).  Interpretar los resultados obtenidos .  Realizar las respectivas pruebas para validar el modelo. con respecto a soya. quitando aquellos parámetros que no sean significativos. METODOLOGÍA DEL TRABAJO  Recolección de información sobre el producto a desarrollar.  Determinar los parámetros del modelo. de cada una de las variables seleccionadas.

DESARROLLO  Planteamiento matemático  Dependiente y  Independiente x  Y = B0 +B1*X1 +B2*X2 + B3*X3  Planteamiento económico  Producción de soya = Bo + B1 *Costo de Insumos +B2 *Hectáreas Cultivadas + B3 *Rendimiento por Hectárea .

26 . Datos históricos año Producción De Soya (tn) Costo de Insumos ($us) Hectáreas Cultivadas (Has) Rendimiento Por Hectáreas (Has) 2001 868000 25800 628000 1.47 2011 1838330 36500 902000 2.91 2008 836700 32000 877000 1.87 2004 1135500 27500 637000 1.08 2013 1905763 39500 1024000 2.25 2014 2382780 37000 1103000 2.32 2006 1150750 30000 852000 1.1 2012 1872280 38000 922000 2.98 2009 1391610 34500 985000 1.54 2002 900000 26000 617000 1.94 2003 1247800 28000 615000 1.66 2010 1263110 35600 815000 1.83 2007 1345000 31600 901000 1.96 2005 1174150 28000 684000 2.19 2015 2106600 40200 1176000 2.

160 Tbo = no es significativa Tb1= si es significativa R2 = la calidad del modelo es del 71% .05 de error = 0. = 2. Regresión simple Grados de libertad: n – k = 15 – 2 = 13 Nivel de confianza: 95% = 0.025 Relación simple entre producción – Insumos (Y. X1): Cuando se relación las variables de producción e insumos tenemos la siguiente interpretación: T tab.

= 2. Regresión simple Relación simple entre producción – Hectáreas Cultivadas (Y.160 Tbo = no es significativa Tb1= si es significativa R2 = la calidad del modelo es del 64% . X 2): Cuando se relaciona las variables de producción y Hectáreas cultivadas tenemos la siguiente interpretación: T tab.

= 2. Regresión simple Relación simple entre producción – Rendimientos por Hectáreas (Y. X 3): Cuando se relaciona las variables de producción y rendimiento por hectareas tenemos la siguiente interpretación: T tab.160 Tbo = no es significativa Tb1= si es significativa R2 = la calidad del modelo es del 31% .

costo de insumos. X3) Cuando se relaciona las variables de producción. X1. = 2. X2. Regresión múltiple Grados de libertad: n – k = 15 – 4 = 11 Nivel de confianza: 95% = 0.201 Tb1 = no es significativa Tb2 = no es significativa Tb3 = no es significativa R2 = la calidad del modelo es del 78% . hectareas cultivadas y rendimiento por hectáreas tenemos la siguiente interpretación: T tab.05 de error = 0.hectáreas cultivadas – rendimiento por hectáreas (Y.025 Relación múltiple entre producción – costo de insumos .

X 1. X2) Cuando se relaciona las variables de producción. costo de insumos y Hectáreas cultivadas tenemos la siguiente interpretación: T tab.025 Relación múltiple entre producción – costo de insumos – Hectáreas cultivadas (Y. Regresión múltiple Grados de libertad: n – k = 15 – 3 = 12 Nivel de confianza: 95% = 0. = 2.179 Tb1 = no es significativa Tb2 = no es significativa R2 = la calidad del modelo es del 71% .05 de error = 0.

= 2. X3) Cuando se relaciona las variables de producción.hectáreas cultivadas – rendimiento por hectáreas (Y. Regresión múltiple Relación múltiple entre producción . hectáreas cultivadas y rendimiento por hectáreas tenemos la siguiente interpretación: T tab. X 2.179 Tb1 = si es significativa Tb2 = no es significativa R2 = la calidad del modelo es del 71% .

X 1.costo de insumos .rendimientos por hectáreas (Y.179 Tb1 = si es significativa Tb2 = no es significativa R2 = la calidad del modelo es del 78% . = 2. X3): Cuando se relaciona las variables de producción. costo de insumos y rendimiento por hectáreas tenemos la siguiente interpretación: T tab. Regresión múltiple Relación múltiple entre producción .

x3=0. x1=0. Matriz de correlación Residuo de coeficiente normal Analizando los residuos de las variables de producción.06 se obtuvo los siguientes resultados: Comparado con el valor de La relación entre las variables y.37 Con estos datos obtenidos vemos que en la Entonces vemos que el matriz de correlación no existe multicolinialidad.99 La relación entre las variables x3. costos de insumo y rendimiento por hectáreas obtuvimos el siguiente resultado: Analizando las variables dependiente e independiente Jarque-bera = 3. modelo es normal .84 tabla: La relación entre las variables y. x1=0.56 chi cuadrado = 5.

haciendo cruces entre las variables dependiente e independientes. Por lo tanto nuestro modelo econométrico es: Y = -1930599 + 70. y X3: rendimiento por hectáreas. CONCLUSIÓN Luego de hacer todas las pruebas de respectivas.8*x3 Con este modelo es posible pronosticar la producción soya en Bolivia .35376*x1 + 541210. se llegó a la conclusión de que las variables que son más significativas en el modelo de producción de soya en bolivia son la variable: X1: costo de insumo.