INNOVA Research Journal, ISSN 2477-9024  
(
Correo: innova@uide.edu.ec  
Evaluación del Impacto de Diversos Factores Macroeconómicos en el  
Crecimiento Económico del Ecuador, 1965-2018  
Evaluation of the Impact of Various Macroeconomic Factors on the Economic  
Growth of Ecuador, 1965-2018  
Digna Priscila Villamar Ortiz  
https://orcid.org/0000-0002-4601-8674  
Universidad Agraria del Ecuador, Ecuador  
Fecha de recepción:ꢀ24 de abrilꢀdel 2020ꢀ-ꢀFecha de aceptación: 10ꢀde agosto del 2020  
Resumen  
La medición del crecimiento económico, a través de su principal indicador, el Producto Interno  
Bruto, es fundamental para los responsables de la política económica de un país. Existen tres  
formas diferentes de calcular el Producto Interno Bruto, una de ellas es el método de gasto que  
incluye en su cálculo cinco importantes variables macroeconómicas. Esta investigación tiene como  
objetivo cuantificar la incidencia de cada una de esas variables en el crecimiento económico del  
Ecuador. Para ello, utilizando la información correspondiente a esas variables para el período  
1
965-2018, se estimó, mediante una regresión lineal múltiple por mínimos cuadrados ordinarios,  
la ecuación para el cálculo del Producto Interno Bruto por el método de gasto, una vez que ésta  
fue validada estadísticamente se analizaron los coeficientes estandarizados de cada variable  
macroeconómica involucrada en la misma para evaluar cuán determinante es para el Producto  
Interno Bruto del Ecuador. Se demostró que el consumo es la variable que mayor peso tiene para  
generar demanda agregada, seguida de las exportaciones, contrariamente la inversión se revela  
como la variable macroeconómica que menos incide en el crecimiento económico ecuatoriano.  
Como conclusiones fundamentales se determinó que el consumo es el principal determinante del  
crecimiento económico del Ecuador por lo que políticas que lo reduzcan provocan directamente  
una afectación sobre el crecimiento económico, asimismo, se halló que la inversión es el  
componente que menos impacta lo cual implica la necesidad de que se diseñen políticas que la  
incentiven.  
Palabras Claves: PIB; regresión lineal múltiple; MCO; método de gasto; crecimiento  
económico  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
196  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
Abstract  
The measurement of economic growth, through its main indicator, the Gross Domestic Product, is  
essential for those responsible for the economic policy of a country. There are three different ways  
of calculating the Gross Domestic Product, one of them is the spending method that includes five  
important macroeconomic variables in its calculation. This research aims to quantify the incidence  
of each of these variables in the economic growth of Ecuador. For this, using the information  
corresponding to these variables for the period 1965-2018, the equation for the calculation of the  
Gross Domestic Product by the expenditure method was estimated, by means of a multiple linear  
regression by ordinary least squares, once it was statistically validated, the standardized  
coefficients of each macroeconomic variable involved in it were analyzed to assess how decisive  
it is for the Gross Domestic Product of Ecuador. It was shown that consumption is the variable that  
has the greatest weight to generate aggregate demand, followed by exports, conversely, investment  
is revealed as the macroeconomic variable that has the least impact on Ecuadorian economic  
growth. As fundamental conclusions, it was determined that consumption is the main determinant  
of economic growth in Ecuador, so that policies that reduce it directly affect economic growth,  
and it was also found that investment is the component that least impacts, which implies need to  
design policies that encourage it.  
Key Words: GDP; multiple linear regression; OLS; spending method; economic growth  
Introducción  
La medición de la actividad económica es una actividad fundamental que deben llevar a  
cabo los responsables de la política económica en todos los países para vigilar las tendencias de  
los diferentes indicadores y adoptar las medidas de corrección de manera oportuna.  
Entre los indicadores fundamentales que deben ser objeto de monitoreo constante se  
encuentra el Producto Interno Bruto (PIB), pues este, como indicativo de la renta total del país y  
del gasto total en la producción de bienes y servicios, según (Mankiw N. G., 2014), suele  
considerarse como el mejor indicador de los resultados de la economía, asimismo, puede  
afirmarse, citando a (Abel & Bernanke, 2004), que el PIB es el indicador más amplio de la  
actividad económica agregada, así como el más conocido y utilizado.  
Por otra parte, y a tenor de (Dornbusch, Fischer, & Startz, 2009), los datos del PIB no  
solo sirven como medida de cuanto se produce, sino también como medida del bienestar de los  
habitantes de un país. También debe decirse que el PIB, tampoco es una medida perfecta,  
completa y exacta del cambio en el bienestar económico de una nación, pues existen factores que  
este indicador no mide o que no mide con exactitud, a partir de lo planteado por (Parkin,  
Esquivel, & Muñoz, 2007), lo cual, a pesar de todo, no limita su utilidad.  
Teniendo en cuenta, entonces, que (Kiziryan, 2019), define al PIB como el total de bienes  
y servicios demandados por un país, a un determinado nivel de precios, en un determinado  
periodo de tiempo y que, según (Gastón Lorente, 2019), este indicador resume en una única cifra  
el valor monetario de la actividad económica en un determinado periodo de tiempo  
convirtiéndose en un reflejo de la evolución económica de un país y del ritmo al que se  
incrementa su producción de bienes y servicios y, por tanto, su renta, es útil conocer cómo o en  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
197  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
qué medida impactan en la evolución del PIB los elementos o factores macroeconómicos que lo  
determinan.  
Por ello, el objetivo general que se plantea esta investigación es:  
Cuantificar el impacto de los factores macroeconómicos determinantes del  
crecimiento económico en el Ecuador, tomando como referencia el método del gasto  
para el cálculo del PIB.  
Los objetivos específicos que guiarán la investigación hacia el objetivo general son:  
Describir el comportamiento general de las series estudiadas, así como, evaluar sus  
propiedades de estacionariedad y cointegración.  
Estimar el modelo econométrico, a partir del método de gasto, que describe el PIB del  
Ecuador y los factores que lo explican para el período de análisis.  
Validar los supuestos del modelo econométrico hallado.  
Marco teórico  
Revisando a (Mankiw, 2014), este afirma que el producto interior bruto o PIB suele  
considerarse el mejor indicador de los resultados de la economía. También plantea que, el  
objetivo del PIB es resumir todos los datos económicos en una única cifra que representa el valor  
monetario de la actividad económica en un determinado periodo de tiempo.  
Citando a (Samuelson & Nordhaus, 2010), queda claro que el PIB se utiliza para muchos  
fines, pero el más importante es medir el desempeño global de una economía.  
Para (Case & Fair, 2008), el PIB se calcula de dos maneras. Una consiste en sumar el  
total gastado en todos los bienes finales durante cierto periodo. Éste es el método del gasto para  
calcular el PIB. La otra es sumar el ingreso (salarios, rentas, intereses y utilidades) que recibieron  
todos los factores de producción al manufacturar los bienes finales. Es el método del ingreso para  
calcular el PIB. Los dos métodos llevan a la misma cifra del PIB pues: todo pago (gasto) de un  
comprador es, al mismo tiempo, una entrada (ingreso) del vendedor. Podemos medir los ingresos  
recibidos o los gastos incurridos, y terminaremos con la misma producción total.  
Por su parte, (Abel & Bernanke, 2004) expresan que, la cantidad de actividad económica  
que se realiza en un período de tiempo puede medirse por medio de:  
1
. La cantidad de producción, excluida la que se utiliza en las fases intermedias de  
producción (el método del producto).  
2
3
. La renta percibida por los productores (el método de la renta).  
. La cantidad de gasto de los compradores últimos de la producción (el método del  
gasto).  
Cada uno de estos métodos ofrece una perspectiva diferente de la economía. Sin  
embargo, el principio fundamental en el que se basan todos es que, salvando algunos problemas  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
198  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
como los datos incompletos o mal declarados, los tres métodos generan medidas idénticas de la  
cantidad de actividad económica (Abel & Bernanke, 2004).  
Tomando como referencia la explicación que aportan (González González, y otros, 2009)  
sobre el flujo circular de la actividad económica, éste representa las condiciones generales para  
que una economía encuentre el equilibrio. Estas condiciones son que la producción sea igual al  
gasto y a la renta.  
El modelo del flujo circular del gasto y el ingreso, según (Parkin, Esquivel, & Muñoz,  
2
007), demuestra que el gasto agregado es igual al ingreso agregado lo cual es el fundamento  
que explica por qué los tres métodos antes enunciados deben generar el mismo resultado para el  
PIB.  
Por ello, en la presente investigación nos centraremos en analizar uno de los tres métodos,  
en este caso, el método de gasto, teniendo en cuenta los factores macroeconómicos que integran  
su cálculo y cómo y en qué medida éstos son determinantes para el PIB y por ende para el  
crecimiento económico.  
Ahora bien, cuáles son los indicadores macroeconómicos que integran el cálculo del PIB  
por el método de gasto, si revisamos a (Gastón Lorente, 2019), éste expresa que el PIB hay tres  
formas de calcularlo, una de ellas es el método del gasto, que se formula de la siguiente manera:  
푃퐼퐵 = 퐶 + 퐼 + 퐺 + 푋 − 푀  
Donde, “C” son los bienes y servicios demandados para consumo, “I” para inversión, “G”  
por el gobierno y “X” los bienes y servicios exportados e “M” importados.  
Citando a (Jahan, Saber Mahmud, & Papageorgiou, 2014), se puede plantear que el  
producto de bienes y servicios de una economía es la suma de cuatro componentes: consumo,  
inversión, compras del gobierno y las exportaciones netas, entonces cualquier variación del PIB  
tiene que provenir de uno de esos cuatro componentes. Es por ello que se estudiará en la presente  
investigación y, basados en los datos empíricos, cómo estos elementos inciden en el crecimiento  
económico del Ecuador.  
Metodología  
El enfoque de la presente investigación es cuantitativo y desde el punto de vista de su  
alcance lo definimos como correlacional en tanto que, se pretende establecer la relación existente  
entre el PIB del Ecuador y las diferentes variables que lo determinan.  
Para proceder con el desarrollo del estudio se comenzaría compilando la información del  
período 1965-2018 de las siguientes variables para el Ecuador:  
Variable dependiente o explicada.  
Producto Interno Bruto. (PIB)  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
199  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
Variables independientes o explicativas.  
Consumo. (C)  
Inversión. (I)  
Gasto fiscal. (G)  
Exportaciones. (X)  
Importaciones. (M)  
Esta información es pública y está disponible en (Banco Central del Ecuador, 2020).  
Para cada variable se obtuvieron 54 observaciones con frecuencia anual, correspondientes  
al período de 1965 al 2018, los datos se tabularon y graficaron, ver la figura 1, lo que permitiría  
analizar la tendencia, el ajuste y el comportamiento en general de todas las variables  
involucradas en el estudio.  
Luego se analizaría la dimensión de las variables, todas ellas expresadas en miles de  
dólares y teniendo en cuenta también que se quería obtener la relación natural entre las variables  
se decidió descartar cualquier transformación del tipo Box-Cox, (Lind, Marchal, & Wathen,  
2
012) , por lo que se estimaría un modelo de regresión lineal múltiple en su forma funcional  
lineal-lineal, el que se describe a continuación, según (Anderson, Sweeney, & Williams, 2008):  
푝 푝푡  
푦̂ = 훽 + 훽 푥 + 훽 푥 + ⋯ + 훽 푥  
0
1 1푡  
2 2푡  
donde:  
푦̂ : es el valor estimado de la variable dependiente en el momento t.  
: es el valor de la variable independiente p en el momento t.  
 : es el valor estimado del coeficiente de la variable independiente p.  
Debido a que todas las variables a utilizar en el modelo de regresión a estimar son series  
de tiempo de indicadores económicos existe el riesgo de obtener una regresión espuria, (Gujarati  
&
Porter, 2010), para evitar este problema, independientemente de lo que la teoría postula sobre  
la real relación de estas variables, se debería determinar la estacionariedad o no estacionariedad  
de las series de tiempo estudiadas y su orden de integración, para ello se realizaría la prueba de  
1
Dickey -Fuller Aumentada (ADF ) a cada una de las variables en niveles y en diferencias, si  
dichas variables resultaran ser series no estacionarias y con igual número de raíces unitarias se  
pasaría a ejecutar el contraste de Cointegración de Engle-Granger, (Court & Williams, 2011),  
entre las mismas con el fin de comprobar si pudiera existir una relación espuria entre ellas.  
En cuanto a probar estacionariedad con la prueba ADF, teniendo en cuenta lo planteado  
por (Mahadeva & Robinson, 2009) respecto a que esta prueba en ocasiones puede llevar a  
cometer el error de tipo II al aceptar una hipótesis nula siendo esta falsa, utilizaríamos, en caso  
2
de duda, la prueba KPSS para confirmar un resultado dudoso de la prueba ADF.  
1
Augmented Dickey-Fuller  
KwiatkowskiPhillipsSchmidtShin  
2
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
200  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
La ecuación de regresión se estimaría realizando una regresión lineal múltiple por MCO3  
a las series de datos para el período comprendido entre 1965 y 2018.  
Figura 1  
Evolución de las variables estudiadas en el período desde 1965 al 2018.  
2
2
1
1
40,000,000  
00,000,000  
60,000,000  
20,000,000  
8
4
0,000,000  
0,000,000  
0
6
5
70  
75  
80  
85  
90  
95  
00  
05  
10  
15  
PIB  
IMPORTACION  
EXPORTACION  
INVERSION  
GASTO  
CONSUMO  
Fuente: Banco Central del Ecuador (2020).  
Luego de estimada la ecuación de regresión se procedería a verificar la significancia  
global e individual de los estimadores obtenidos mediante las respectivas pruebas F y t.  
A continuación, se procedería a ejecutar el proceso de validación de los supuestos de la  
regresión lineal para la ecuación obtenida que incluiría la realización de las siguientes pruebas:  
Contraste de error de especificación: Prueba RESET de Ramsey.  
Contraste de normalidad de los errores: Prueba de Jarque-Bera.  
Contraste de homocedasticidad: Prueba de White con términos cruzados.  
Contraste de no autocorrelación serial de los errores: Estadístico d de Durbin-Watson,  
de ser indeterminado, se añadiría la Prueba Breusch-Godfrey LM, (Pulido San Román  
&
Pérez García, 2001).  
Análisis de multicolinealidad en el modelo: Factor de varianza inflada.  
Una vez validados los supuestos se verificaría el valor de los coeficientes 푝  
estandarizados de cada variable con el fin de evaluar los impactos que tienen cada una de ellas  
respecto al crecimiento económico del Ecuador.  
El nivel de significancia que se utilizaría para todas las pruebas sería del 5% y el  
procesamiento estadístico se realizaría utilizando el paquete econométrico Eviews.  
3
Mínimos cuadrados ordinarios  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
201  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
Resultados  
Luego de descargar las series de datos, tabularlas y graficarlas, ver la figura 1, se realizó  
un análisis descriptivo general de las mismas, durante este se apreció un comportamiento de  
largo plazo homogéneo en todas las series, todas presentan tendencia creciente con poca  
variabilidad lo cual es indicativo de una muy probable no estacionariedad en tendencia,  
asimismo, puede observarse cierta sincronización en su comportamiento de largo plazo lo que  
puede ser evidencia de que existe cointegración entre ellas, las pruebas formales de  
estacionariedad y cointegración se realizarían a continuación.  
Análisis de estacionariedad y cointegración  
Antes de estimar la ecuación de regresión entre las variables estudiadas se verificó la  
estacionariedad de las series y su orden de integración. Primeramente, se aplicó la prueba ADF a  
cada serie en niveles, probándose en cada caso la existencia de raíz unitaria y, por tanto, la no  
estacionariedad de las mismas en niveles, luego se volvió a realizar el test ADF a cada serie, pero  
en primeras diferencias, hallándose, para todas las variables, que eran estacionarias en primeras  
diferencias y, por tanto, integradas de 1er. orden. Dados los resultados anteriores, en ningún caso  
fue necesario contrastar la prueba ADF con otra prueba de raíz unitaria o estacionariedad, por  
ejemplo, la prueba KPSS, como se había planteado en la metodología.  
A partir de los resultados anteriores se hizo necesario evaluar si existía cointegración  
entre las variables previo a realizar la regresión con el fin de garantizar que esta no sería espuria.  
A este fin se realizó la prueba de Cointegración de Engle - Granger cuyo resultado, que puede  
ser verificado en la tabla 1, demuestra que existe cointegración entre las variables, lo que es  
evidencia de equilibrio a largo plazo entre las mismas y, por tanto, de que la ecuación de  
regresión lineal estimada entre ellas teniendo como variable dependiente al PIB no sería espuria.  
Tabla 1.  
Resultado de la prueba de Cointegración de Engle - Granger.  
Series: PIB Inversión Importación Gasto Exportación Consumo  
Sample: 1965 2018  
Included observations: 54  
Null hypothesis: Series are not cointegrated  
Cointegrating equation deterministics: C  
Automatic lags specification based on Schwarz criterion (maxlag=10)  
Dependent  
PIB  
Inversión  
Importación  
Gasto  
Exportación  
Consumo  
tau-statistic  
-5.494113  
-3.887266  
-5.652550  
-5.090808  
-5.820645  
-5.473215  
Prob.*  
0.0183  
0.3396  
0.0126  
0.0443  
0.0085  
0.0192  
z-statistic  
-38.86386  
-23.97395  
-40.43162  
-34.96738  
-41.78695  
-38.63029  
Prob.*  
0.0159  
0.3219  
0.0104  
0.0416  
0.0071  
0.0169  
*
MacKinnon (1996) p-values.  
Fuente: Elaboración por los autores.  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
202  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
Estimación de la ecuación de regresión lineal  
Luego, a partir de los datos sin transformar correspondientes a los años 1965 hasta 2018,  
5
4 observaciones, se obtuvo el modelo de regresión lineal múltiple por MCO en su forma  
funcional lineal-lineal que se muestra en la tabla 2.  
Tabla 2.  
Ecuación de regresión lineal obtenida con las observaciones de los años 1965 hasta 2018.  
Dependent Variable: PIB  
Method: Least Squares  
Sample: 1965 2018  
Included observations: 54  
Variable  
Inversión  
Importación  
Gasto  
Exportación  
Consumo  
C
Coefficient  
0.531595  
-0.664031  
1.546702  
0.883151  
0.989782  
129412.7  
Std. Error  
0.074029  
0.068539  
0.109373  
0.066066  
0.017309  
97463.32  
t-Statistic  
7.180895  
-9.688427  
14.14155  
13.36761  
57.18354  
1.327809  
Prob.  
0.0000  
0.0000  
0.0000  
0.0000  
0.0000  
0.1905  
R-squared  
0.999895 Mean dependent var  
0.999884 S.D. dependent var  
339615.2 Akaike info criterion  
5.54E+12 Schwarz criterion  
-761.1632 Hannan-Quinn criter.  
91567.89 Durbin-Watson stat  
0.000000  
31852342  
31566657  
28.41345  
28.63445  
28.49868  
1.461587  
Adjusted R-squared  
S.E. of regression  
Sum squared resid  
Log likelihood  
F-statistic  
Prob(F-statistic)  
Fuente: Elaboración por los autores.  
Entonces, la ecuación de regresión estimada, a partir de la tabla anterior, fue:  
푃퐼퐵 = ꢁꢂ94ꢁꢂ.7ꢃ + ꢃ.99 ∗ 퐶 + ꢃ.53 ∗ 퐼 + ꢁ.55 ∗ 퐺 + ꢃ.88 ∗ 푋 − ꢃ.66 ∗ 푀  
4
Al observar la tabla 2 se aprecia que, el p_valor de la prueba F de significancia global es  
significativo al igual que todos los p_valores correspondientes a las pruebas t de significancia  
individual de cada coeficiente  de la ecuación de regresión, por lo que todos ellos son  
significativos, probándose, por tanto, que todas las variables explicativas incluidas en el modelo  
estimado son determinantes para explicar la variabilidad de la variable dependiente.  
Validación de supuestos  
Una vez probada la significancia de las variables para el modelo obtenido se continuó  
validando su corrección estadística mediante la prueba de los supuestos de la regresión lineal:  
1
. Con el fin de determinar si la especificación lineal para las variables predictoras es la  
correcta se realizó la prueba RESET de Ramsey, constatándose que para  
combinaciones no lineales de 2do. y 3er. orden no existe poder explicativo por parte  
4
Valor de probabilidad  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
203  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
de los predictores, por lo que en ambos casos hay evidencia suficiente para concluir  
que la especificación lineal del modelo es la adecuada.  
2
3
. Respecto a la verificación de normalidad de los errores se ejecutó la prueba de Jarque-  
Bera obteniéndose un p_valor de 0.80 que permite no rechazar la hipótesis nula de la  
prueba que afirma que los errores siguen una distribución normal.  
. Para comprobar si el error se mantiene constante a lo largo de las observaciones de  
los regresores se procedió a correr la prueba de White con términos cruzados la que  
dio un p_valor para el estadístico F de 0.26, por lo que concluimos que no hay  
evidencia para afirmar que existe heterocedasticidad.  
4
5
. En cuanto al supuesto de no autocorrelación serial de los errores el estadístico d de  
Durbin-Watson toma un valor de 1.46 que cae en zona de indecisión, dado que los  
L U  
límites d y d para 54 observaciones y 5 variables predictoras son 1.37 y 1.77  
respectivamente, es por ello que se recurre a la prueba de Breusch-Godfrey LM  
comprobándose que no hay autocorrelación serial de orden 1 ni de orden 2.  
. Al efecto de probar la no existencia de multicolinealidad en el modelo, se comprueba  
que no existe multicolinealidad perfecta pues MCO estimó los coeficientes de  
regresión de las variables predictoras, ver tabla 2. En cuanto a la multicolinealidad  
imperfecta, se procedió al cálculo del factor de varianza inflada para cada variable  
independiente comprobándose que existe una alta multicolinealidad imperfecta.  
Como se observa los supuestos de la regresión lineal múltiple para la ecuación obtenida  
quedaron validados excepto para la multicolinealidad imperfecta que es alta para el modelo  
obtenido, no obstante, según (Montero Granados, 2016), la multicolinealidad no sólo es normal,  
sino que es esperable y deseable. Es imposible que unas variables que explican y son explicadas  
por un fenómeno sean tan completamente independientes que no estén correlacionadas en algún  
grado, asimismo, (Gujarati & Porter, 2010) expresan que, otra razón para la multicolinealidad,  
sobre todo en los datos de series de tiempo, puede ser que las regresoras del modelo compartan  
una tendencia común; es decir, que todas aumenten o disminuyan a lo largo del tiempo, que,  
obviamente, es el caso que se da en el conjunto de datos objeto de la investigación.  
Una de las formas de reducir o eliminar la multicolinealidad sería suprimiendo alguno de  
los regresores, los más correlacionados entre sí, pero no consideramos pertinente esta medida,  
pues incurriríamos en sesgo de especificación a tenor de (Gujarati & Porter, 2010), que plantean  
que si la teoría económica afirma que unas variables determinadas deben incluirse en el modelo  
que explica el fenómeno que se estudia, al eliminar una de esas variables se cometería el error de  
especificación, en este caso el método de gasto para el cálculo del PIB incluye, según la teoría,  
todas las variables que aparecen en el modelo y, por esa razón, no deben ser excluidas del  
mismo.  
Además, expresa (Fernández Montt, 2006), que en presencia de alta multicolinealidad los  
5
estimadores MCO de los coeficientes de regresión siguen siendo MELI , también (Achen, 1982)  
y (Wooldridge, 2010) postulan que, la multicolinealidad no viola los supuestos básicos de la  
regresión y que se presentarán estimaciones consistentes e insesgadas y sus errores estándar se  
estimarán en la forma correcta, asimismo, según (Gujarati & Porter, 2010), con alta  
multicolinealidad es probable que el p_valor t de uno o más coeficientes tienda a ser  
5
Mejores estimadores lineales e insesgados  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
204  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
estadísticamente no significativo, lo cual no ocurre con el estimador hallado donde sí son muy  
significativos.  
Análisis del impacto en el PIB de cada componente de la ecuación estimada  
Finalmente, y para dar cumplimiento del objetivo general planteado en la investigación  
una vez que se ha estimado una ecuación estadísticamente válida y donde son significativas todas  
las variables que incluye el método de gasto del PIB se procede a verificar el impacto que cada  
variable explicativa tiene sobre el PIB, es decir, cuán importantes o no son el consumo, la  
inversión, el gasto del gobierno y las exportaciones netas en la determinación del crecimiento  
económico del Ecuador.  
Para ello se calcularon los coeficientes  estandarizados, que pueden ser visualizados en  
la tabla 3. Revisando el peso relativo a cada variable predictora podemos observar en la tabla que  
los coeficientes  estandarizados demuestran que en el caso que se estudia es el consumo “C” el  
indicador que mayor importancia o peso tiene a los efectos de explicar el PIB seguido por las  
exportaciones “X”, el gasto “G”, las importaciones “M” y la inversión “I” como la de menor  
peso o impacto.  
Tabla 3.  
Coeficientes  estandarizados.  
Scaled Coefficients  
Sample: 1965 2018  
Included observations: 54  
Standardized  
Coefficient  
0.142299  
-0.187876  
0.217923  
0.237814  
0.595610  
NA  
Elasticity  
at Means  
0.120677  
-0.169171  
0.205825  
0.212974  
0.625632  
0.004063  
Variable  
Inversión  
Importación  
Gasto  
Exportación  
Consumo  
Coefficient  
0.531595  
-0.664031  
1.546702  
0.883151  
0.989782  
129412.7  
C
Fuente: Elaboración por los autores.  
Conclusiones  
Como conclusiones de la investigación se relacionan las siguientes:  
El análisis de regresión sobre los datos de las variables incluidas en la ecuación de  
cálculo del PIB del Ecuador durante el período 1965  2018 demuestra que estas son  
significativas y presentan el tipo de relación con la variable dependiente que plantea el método.  
Asimismo, se demuestra que la regresión no es espuria y que todos los supuestos del modelo se  
cumplen, por tanto, la ecuación obtenida es estadísticamente válida y adecuada para extraer  
conclusiones a partir de ella.  
Al analizar los coeficientes estandarizados de la ecuación de regresión estimada se  
confirma un supuesto teórico, según (Abel & Bernanke, 2004), pues el componente más  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
205  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
significativo de la demanda agregada, cuyo proxi en esta investigación es el PIB, es el consumo  
C”, vea la tabla 3.  
Respecto a la interpretación concreta del resultado que muestran los coeficientes 푝  
estandarizados que nos permiten cuantificar el impacto que cada variable del modelo tiene en el  
crecimiento económico del país se pueden inferir varias conclusiones relevantes para los  
responsables de la política económica del Ecuador:  
1
2
3
4
. El consumo es fundamental para generar demanda agregada y, por consiguiente, crecimiento  
económico.  
. Respecto a las exportaciones y el gasto del gobierno puede verse el peso significativo, y casi  
del mismo nivel, que ambos indicadores tienen respecto al crecimiento económico.  
. El impacto de la importación, aunque en cuanto a peso absoluto queda en cuarto lugar, no  
deja de ser importante por cuanto su incidencia respecto al crecimiento del PIB es negativa.  
. En el caso de la inversión esta no se comporta como el motor fundamental del crecimiento  
económico que debería ser, lo que demuestran los datos empíricos, siendo el indicador de  
menor impacto en el PIB nacional, esta situación es muy negativa para la economía.  
Respecto a las recomendaciones derivadas de los hallazgos de la investigación, se  
enumeran las siguientes:  
1
. Dada la importancia fundamental del consumo de las familias para el crecimiento, las  
políticas fiscales, monetarias o de empleo que tiendan a reducirlo van a tener un impacto  
notablemente negativo en el crecimiento económico de la nación Es importante, que desde el  
gobierno se planteen políticas e iniciativas, que articulen el sector público y el privado, de  
manera tal que se fomente el empleo adecuado y la estabilidad laboral, la economía en  
general saldrá fortalecida a partir del crecimiento del consumo que sería impulsado por el  
crecimiento del empleo adecuado. La teoría macroeconómica es clara al respecto, la renta  
disponible de las familias se dedica al consumo y al ahorro, si se logra fomentar un ingreso  
estable para las personas va a crecer el consumo necesariamente.  
2
. Teniendo en cuenta el rol de las exportaciones para el crecimiento económico ecuatoriano los  
decisores de política económica deberán prestar atención al desarrollo de acciones que  
fortalezcan e incentiven al sector exportador y propendan a generar una balanza comercial  
superavitaria.  
3
4
. Por otra parte, con el debido control del déficit presupuestario, las políticas que generen gasto  
del gobierno, especialmente aquel que se destine a infraestructura e inversión es conveniente  
para impulsar el crecimiento.  
. Respecto al impacto negativo de las importaciones sobre el crecimiento, deben adoptarse  
políticas orientadas a reducir las importaciones sustituyendo materias primas e insumos  
importados por producción nacional lo cual va a resultar favorable para el crecimiento de la  
economía.  
5
. En referencia al pobre desempeño y aporte de la inversión al crecimiento, esta es una  
situación que debe ser revertida y que muestra que esta es una variable donde hay  
importantes reservas que explotar a partir de desarrollar políticas que la incentiven de manera  
vigorosa y sostenida, en esto la empresa privada juega el papel determinante, por tanto, desde  
el gobierno, y mediante una legislación que garantice, ofrezca estabilidad y formalice un  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
206  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
marco regulatorio adecuado para la misma es necesario que los empresarios privados  
ecuatorianos se comprometan con su país y pongan como principal destino de sus recursos al  
Ecuador. También debería fomentarse, con las políticas adecuadas, la inversión extranjera  
directa, la cual es aún baja en el Ecuador comparada con otros países de la región  
latinoamericana.  
Bibliografía  
Abel, A. B., & Bernanke, B. S. (2004). Macroeconomía, 4ta. Ed. Madrid: Pearson Educación.  
Achen, C. H. (1982). Interpreting and Using Regression. Beverly Hills: Sage.  
Anderson, D., Sweeney, D., & Williams, T. (2008). Estadística para administración y economía.  
1
0ma. Ed. México D.F.: Cengage Learning Editores, S.A.  
Banco Central del Ecuador. (2020). Estadísticas del sector real. Obtenido de Información  
Económica:  
https://contenido.bce.fin.ec/documentos/Administracion/CuentasNacionalesAnuales.html  
Case, K. E., & Fair, R. C. (2008). Principios de macroeconomía, 8va. Ed. México D. F.: Pearson  
Educación.  
Court, E., & Williams, E. (2011). Estadísticas y econometría financiera, 1ra. Ed. Buenos Aires:  
Cengage Learning Argentina.  
Dornbusch, R., Fischer, S., & Startz, R. (2009). Macroeconomía, 10ma. Ed. México D. F.:  
McGraw-Hill/Interamericana Editores, S.A. de C.V.  
Fernández Montt, R. A. (2006). Regresión lineal. Multicolinealidad perfecta. Obtenido de  
Enciclopedia multimedia virtual interactiva: http://www.eumed.net/cursecon/medir/rfm-  
multico.htm  
Gastón Lorente, L. (2019). Cómo calcular el PIB: Tres métodos. Obtenido de BBVA:  
https://www.bbva.com/es/bbva-patrocina-el-almuerzo-inaugural-de-la-cumbre-del-clima-  
disenado-por-los-hermanos-roca/  
González González, M., Pérez Zabaleta, A., Castejón Montijano, R., Méndez Pérez, E., Martínez  
Merino, J., Gómez Barroso, J., & Mochón Sáez, A. (2009). Introducción a la economía,  
2
da. Ed. Madrid: Pearson Educación.  
Gujarati, D. N., & Porter, D. C. (2010). Econometría. 5ta. Ed. México, D. F.: McGraw Hill  
Educación.  
Jahan, S., Saber Mahmud, A., & Papageorgiou, C. (09 de 2014). ¿Qué es la economía keynesiana?  
Obtenido de Revista Finanzas y Desarrollo. Fondo Monetario Internacional.:  
https://www.imf.org/external/pubs/ft/fandd/spa/2014/09/pdf/basics.pdf  
Kiziryan, Economipedia:  
https://economipedia.com/definiciones/demanda-agregada.html  
Lind, D., Marchal, W., & Wathen, S. (2012). Estadística aplicada a los negocios y la economía.  
5ta. Ed. México D.F.: McGraw Hill/Interamericana Editores S.A. de C.V.  
M.  
(2019).  
Demanda  
agregada.  
Obtenido  
de  
1
Mahadeva, L., & Robinson, P. (2009). Prueba de raíz unitaria para ayudar a la construcción de  
un modelo. Obtenido de Centro de Estudios Monetarios Latinoamericanos:  
https://www.cemla.org/PDF/ensayos/pub-en-76.pdf  
Mankiw, N. G. (2014). Macroeconomía, 8va. Ed. Barcelona: Antoni Bosch editor, S.A.  
Montero Granados, R. (2016). Modelos de regresión lineal múltiple. Documentos de Trabajo en  
Economía Aplicada. Universidad de Granada. España.  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
207  
INNOVA Research Journal 2020, Vol 5, No. 3, pp. 196-208  
Parkin, M., Esquivel, G., & Muñoz, M. (2007). Macroeconomía. Versión para Latinoamérica,  
7
ma. Ed. México: Pearson Educación.  
Pulido San Román, A., & Pérez García, J. (2001). Modelos econométricos. Madrid: Ediciones  
Pirámide.  
Samuelson, P. A., & Nordhaus, W. D. (2010). Macroeconomía con aplicaciones a Latinoamérica,  
1
9na. Ed. México D. F.: McGraw Hill Educación.  
Wooldridge, J. M. (2010). Introducción a la econometría. Un enfoque moderno. 4ta. Ed. México,  
D. F.: Cengage Learning.  
Esta obra se comparte bajo la licencia Creative Common Atribución-No Comercial 4.0 International (CC BY-NC 4.0)  
Revista de la Universidad Internacional del Ecuador. URL: https://www.uide.edu.ec/  
208