Vol. 13/ Núm. 2 2026 pág. 1086
https://doi.org/10.69639/arandu.v13i2.2246
Factores claves que influyen en las exportaciones de cacao en
el departamento de Ucayali. Periodo 2010-2021
Key factors influencing cocoa exports in the department of Ucayali. Period 2010-2021
Sandra Vicente Salazar
sandravicentesalazar@gmail.com
https://orcid.org/0009-0005-8756-5681
Universidad Nacional Mayor de San Marcos
Peru – Lima
Nelson Francisco Cruz Castillo
cruzc41@yahoo.es
https://orcid.org/0000-0001-8754-8973
Universidad Nacional Mayor de San Marcos
Peru – Lima
Edgar Vicente Santa Cruz
santacruz@unu.edu.pe
https://orcid.org/0000-0002-4007-6208
Universidad Nacional de Ucayali
Peru –Ucayali
Artículo recibido: 10 abril 2026- Aceptado para publicación:16 mayo 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
La investigación tuvo como objetivo determinar los factores claves que influyen en la exportación
de cacao en el departamento de Ucayali durante el periodo 2010 al 2021. El enfoque es
cuantitativo, longitudinal y explicativo donde los datos fueron obtenidos de fuentes secundarias.
En la parte inferencial se utilizó la regresión lineal múltiple mediante el método de mínimos
cuadrados ordinarios, en el cual se realizó el test de normalidad de Jarque Bera, la prueba de
autocorrelación de Durbin-Watson y Breusch-Godfrey. Las variables con mayor influencia
estadística significativa fueron el índice de tipo de cambio real multilateral (ITCRM) y los precios
internacionales del grano de cacao (PIGC). El coeficiente positivo del ITCRM (0.303252) indica
la sensibilidad positiva del sector exportador frente a mejoras en la competitividad cambiaria. En
contraste, el coeficiente del precio internacional del cacao (–3.012318) refleja una relación
negativa. Adicionalmente el PBI real per cápita internacional (TCPBIPER) no presentó
significancia estadística sobre las exportaciones, posiblemente debido al bajo crecimiento
económico (1.2%) de los principales mercados internacionales. Durante el período analizado,
Ucayali exportó en promedio 3.6 millones de dólares anuales en cacao, lo que representa
aproximadamente 10 dólares por habitante por año y el 1.7% del total nacional de exportaciones
cacaoteras.
Palabras clave: exportación, importación, tiempo de cambio real, demanda,
transacciones comerciales
Vol. 13/ Núm. 2 2026 pág. 1087
ABSTRACT
The research aimed to determine the key factors influencing cocoa exports in the department of
Ucayali during the period from 2010 to 2021. The approach is quantitative, longitudinal, and
explanatory, with data obtained from secondary sources. In the inferential section, multiple linear
regression was used using the ordinary least squares method, in which the Jarque Bera normality
test, the Durbin-Watson autocorrelation test, and the Breusch-Godfrey autocorrelation test were
performed. The variables with the greatest statistically significant influence were the multilateral
real exchange rate index (MREI) and international cocoa bean prices (ICP). The positive
coefficient on the MREI (0.303252) indicates the positive sensitivity of the export sector to
improvements in exchange rate competitiveness. In contrast, the coefficient on the international
cocoa price (– 3.012318) reflects a negative relationship. Additionally, the international real GDP
per capita (TCPBIPER) did not show statistical significance regarding exports, possibly due to
the low economic growth (1.2%) of the main international markets. During the period analyzed,
Ucayali exported an average of $3.6 million worth of cocoa annually, which represents
approximately $10 per capita per year and 1.7% of total national cocoa exports.
Keywords: export, import, real exchange rate, demand, commercial transactions
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
ABSTRACT
The research aimed to determine the key factors influencing cocoa exports in the department of
Ucayali during the period from 2010 to 2021. The approach is quantitative, longitudinal, and
explanatory, with data obtained from secondary sources. In the inferential section, multiple linear
regression was used using the ordinary least squares method, in which the Jarque Bera normality
test, the Durbin-Watson autocorrelation test, and the Breusch-Godfrey autocorrelation test were
performed. The variables with the greatest statistically significant influence were the multilateral
real exchange rate index (MREI) and international cocoa bean prices (ICP). The positive
coefficient on the MREI (0.303252) indicates the positive sensitivity of the export sector to
improvements in exchange rate competitiveness. In contrast, the coefficient on the international
cocoa price (– 3.012318) reflects a negative relationship. Additionally, the international real GDP
per capita (TCPBIPER) did not show statistical significance regarding exports, possibly due to
the low economic growth (1.2%) of the main international markets. During the period analyzed,
Ucayali exported an average of $3.6 million worth of cocoa annually, which represents
approximately $10 per capita per year and 1.7% of total national cocoa exports.
Keywords: export, import, real exchange rate, demand, commercial transactions
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 2 2026 pág. 1088
INTRODUCCIÓN
La exportación de cacao en la economía global desempeña un papel crucial, dado que la
demanda de productos derivados del cacao ha experimentado un notable aumento en los mercados
internacionales. Según la información proporcionada por la Organización Internacional de Cacao
(ICCO), la tendencia creciente de las últimas décadas se debe principalmente a Estados Unidos,
Europa y Japón (ICCO, 2024).
La exportación de cacao ha estado caracterizada por la fluctuación de precios y la
inestabilidad en la oferta y demanda. La creciente demanda de productos de chocolate, combinada
con la disminución de la producción debido a plagas y el cambio climático, ha llevado a un
aumento en los precios internacionales del cacao (Akhter et al., 2016).
El Producto Bruto Interno (PBI) de naciones como Estados Unidos, Alemania y Francia,
que son grandes importadores de cacao, favorecen a países en desarrollo que exportan ya que han
mostrado un crecimiento constante, lo que ha llevado a un aumento en la demanda de cacao de
calidad (Villacis et al., 2022). Otra de las razones que favoreció el crecimiento de la demanda del
cacao es tendencia global de tener una alimentación saludable. La sostenibilidad también tiene un
rol muy importante, ya que tanto los consumidores como las empresas demandan prácticas
agrícolas que respeten el medio ambiente (World Cocoa Foundation, 2025).
Uno de los desafíos que enfrentan la industria mundial del cacao son las fluctuaciones de
los precios internacionales, que han mostrado en los últimos años un comportamiento volátil y
han incidido a los pequeños productores de los países en desarrollo, afectando así la oferta y
demanda, claro ejemplo tenemos el año 2020 que afectó a países de África y América Latina
(ICCO, 2022). Las condiciones del cambio climático como la prolongación de sequías o lluvias
excesivas, alteró la calidad y cantidad de producción de cacao, lo que a su vez influyó de manera
determinante en los precios internacionales y la estabilidad del mercado (Decloquement et al.,
2021).
En Perú ha evidenciado un crecimiento en su producción de cacao, este crecimiento está
condicionado por factores económicos como el tipo de cambio, precio internacional y el PBI.
Además, el precio internacional del cacao influye en las decisiones de cultivo y en la rentabilidad
de los agricultores (J. Díaz et al., 2018). Uno de los productos que más se intensifica en su
exportación es el cacao, el cual es cultivado principalmente en la parte baja de la vertiente oriental
de la cordillera de los Andes, entre los 300 y 900 ms.n.m (PromPerú, 2018).
Es así como la cadena productiva del cacao viene creciendo con los años y con el apoyo de
diversas organizaciones, en consecuencia, debemos aprovechar la oportunidad para ingresar a
nuevos mercados. Muchos productores enfrentan varios problemas con la capacidad productiva
necesaria para comercializar y mantienen el desconocimiento del potencial de sus productos en
los mercados internacionales y nacionales. Por todo esto, se ven marginalizados de los beneficios
INTRODUCCIÓN
La exportación de cacao en la economía global desempeña un papel crucial, dado que la
demanda de productos derivados del cacao ha experimentado un notable aumento en los mercados
internacionales. Según la información proporcionada por la Organización Internacional de Cacao
(ICCO), la tendencia creciente de las últimas décadas se debe principalmente a Estados Unidos,
Europa y Japón (ICCO, 2024).
La exportación de cacao ha estado caracterizada por la fluctuación de precios y la
inestabilidad en la oferta y demanda. La creciente demanda de productos de chocolate, combinada
con la disminución de la producción debido a plagas y el cambio climático, ha llevado a un
aumento en los precios internacionales del cacao (Akhter et al., 2016).
El Producto Bruto Interno (PBI) de naciones como Estados Unidos, Alemania y Francia,
que son grandes importadores de cacao, favorecen a países en desarrollo que exportan ya que han
mostrado un crecimiento constante, lo que ha llevado a un aumento en la demanda de cacao de
calidad (Villacis et al., 2022). Otra de las razones que favoreció el crecimiento de la demanda del
cacao es tendencia global de tener una alimentación saludable. La sostenibilidad también tiene un
rol muy importante, ya que tanto los consumidores como las empresas demandan prácticas
agrícolas que respeten el medio ambiente (World Cocoa Foundation, 2025).
Uno de los desafíos que enfrentan la industria mundial del cacao son las fluctuaciones de
los precios internacionales, que han mostrado en los últimos años un comportamiento volátil y
han incidido a los pequeños productores de los países en desarrollo, afectando así la oferta y
demanda, claro ejemplo tenemos el año 2020 que afectó a países de África y América Latina
(ICCO, 2022). Las condiciones del cambio climático como la prolongación de sequías o lluvias
excesivas, alteró la calidad y cantidad de producción de cacao, lo que a su vez influyó de manera
determinante en los precios internacionales y la estabilidad del mercado (Decloquement et al.,
2021).
En Perú ha evidenciado un crecimiento en su producción de cacao, este crecimiento está
condicionado por factores económicos como el tipo de cambio, precio internacional y el PBI.
Además, el precio internacional del cacao influye en las decisiones de cultivo y en la rentabilidad
de los agricultores (J. Díaz et al., 2018). Uno de los productos que más se intensifica en su
exportación es el cacao, el cual es cultivado principalmente en la parte baja de la vertiente oriental
de la cordillera de los Andes, entre los 300 y 900 ms.n.m (PromPerú, 2018).
Es así como la cadena productiva del cacao viene creciendo con los años y con el apoyo de
diversas organizaciones, en consecuencia, debemos aprovechar la oportunidad para ingresar a
nuevos mercados. Muchos productores enfrentan varios problemas con la capacidad productiva
necesaria para comercializar y mantienen el desconocimiento del potencial de sus productos en
los mercados internacionales y nacionales. Por todo esto, se ven marginalizados de los beneficios
Vol. 13/ Núm. 2 2026 pág. 1089
de esta actividad, al trabajar principalmente con intermediarios (Higuchi & Rubiños, 2021).
Frente a estas desigualdades, surge el comercio justo, un sistema comercial solidario y alternativo
al convencional que persigue el desarrollo de los pueblos y la lucha contra la pobreza. El comercio
justo es una propuesta de comercio alternativo diseñado principalmente para apoyar a productores
de países en desarrollo, y que promueve relaciones comerciales equitativas y sostenibles
(Coordinadora Estatal de Comercio Justo, 2021).
Así mismo en el Perú, el Estado y los gobiernos regionales han desplegado diversas
estrategias para promover el desarrollo productivo y la competitividad del sector agrícola,
mediante programas como Agroideas y Procompite, orientados al cofinanciamiento de planes de
negocio, la mejora tecnológica y el fortalecimiento organizacional. En Ucayali, el Gobierno
Regional ha triplicado el presupuesto del Procompite I-2024, destinando S/15 millones para
impulsar cadenas productivas con potencial exportador, como el cacao. Estas políticas buscan
posicionar productos regionales en mercados internacionales. Sin embargo, a pesar de estos
esfuerzos, las exportaciones de cacao no han mostrado un crecimiento sostenido, lo que evidencia
que aún existen factores económicos que limitan su expansión y que deben ser identificados y
analizados en profundidad (Gobierno Regional de Ucayali, 2024).
El desarrollo sostenible eje fundamental en la exportación de cacao en Ucayali, a través del
estudio de modelos que integran de manera efectiva los beneficios sociales, económicos y
ambientales. Un caso paradigmático es el de la Alianza Peruana del Cacao, la cual implementa el
enfoque de Creación de Valor Compartido (CSV) para fortalecer la cadena de suministro del
cacao, al mismo tiempo que contribuye al bienestar de las comunidades rurales. Este modelo
ejemplifica cómo las prácticas sostenibles pueden ser adoptadas de manera eficiente en la
industria cacaotera, promoviendo un equilibrio entre el crecimiento económico y la
responsabilidad social y ambiental (Borda et al., 2021).
La adopción del enfoque del triple resultado final (TBL) resalta la necesidad de
equilibrarlos componentes sociales, económicos y ambientales en la producción de cacao. La
implementación de modelos agroforestales en Ucayali puede mejorar la sostenibilidad de la
producción de cacao al mejorar la fertilidad del suelo, conservar los recursos hídricos y promover
la biodiversidad. Este enfoque se alinea con los objetivos de desarrollo sostenible (ODS), la ODS
como principal objetivo busca exhortar a todas las naciones, sin importar su nivel de riqueza, a
implementar acciones que fomenten el desarrollo mientras salvaguardan el medio ambiente
(Mendoza et al., 2021).
El presente estudio se fundamenta en tres pilares teóricos que sustentan el análisis de los
determinantes de las exportaciones de cacao en Ucayali.
En primer lugar, la teoría de la ventaja comparativa, formulada por Ricardo (1817) y
extendida por el modelo Heckscher-Ohlin, establece que los países tienden a exportar aquellos
bienes para cuya producción poseen ventajas relativas en términos de dotación de factores
de esta actividad, al trabajar principalmente con intermediarios (Higuchi & Rubiños, 2021).
Frente a estas desigualdades, surge el comercio justo, un sistema comercial solidario y alternativo
al convencional que persigue el desarrollo de los pueblos y la lucha contra la pobreza. El comercio
justo es una propuesta de comercio alternativo diseñado principalmente para apoyar a productores
de países en desarrollo, y que promueve relaciones comerciales equitativas y sostenibles
(Coordinadora Estatal de Comercio Justo, 2021).
Así mismo en el Perú, el Estado y los gobiernos regionales han desplegado diversas
estrategias para promover el desarrollo productivo y la competitividad del sector agrícola,
mediante programas como Agroideas y Procompite, orientados al cofinanciamiento de planes de
negocio, la mejora tecnológica y el fortalecimiento organizacional. En Ucayali, el Gobierno
Regional ha triplicado el presupuesto del Procompite I-2024, destinando S/15 millones para
impulsar cadenas productivas con potencial exportador, como el cacao. Estas políticas buscan
posicionar productos regionales en mercados internacionales. Sin embargo, a pesar de estos
esfuerzos, las exportaciones de cacao no han mostrado un crecimiento sostenido, lo que evidencia
que aún existen factores económicos que limitan su expansión y que deben ser identificados y
analizados en profundidad (Gobierno Regional de Ucayali, 2024).
El desarrollo sostenible eje fundamental en la exportación de cacao en Ucayali, a través del
estudio de modelos que integran de manera efectiva los beneficios sociales, económicos y
ambientales. Un caso paradigmático es el de la Alianza Peruana del Cacao, la cual implementa el
enfoque de Creación de Valor Compartido (CSV) para fortalecer la cadena de suministro del
cacao, al mismo tiempo que contribuye al bienestar de las comunidades rurales. Este modelo
ejemplifica cómo las prácticas sostenibles pueden ser adoptadas de manera eficiente en la
industria cacaotera, promoviendo un equilibrio entre el crecimiento económico y la
responsabilidad social y ambiental (Borda et al., 2021).
La adopción del enfoque del triple resultado final (TBL) resalta la necesidad de
equilibrarlos componentes sociales, económicos y ambientales en la producción de cacao. La
implementación de modelos agroforestales en Ucayali puede mejorar la sostenibilidad de la
producción de cacao al mejorar la fertilidad del suelo, conservar los recursos hídricos y promover
la biodiversidad. Este enfoque se alinea con los objetivos de desarrollo sostenible (ODS), la ODS
como principal objetivo busca exhortar a todas las naciones, sin importar su nivel de riqueza, a
implementar acciones que fomenten el desarrollo mientras salvaguardan el medio ambiente
(Mendoza et al., 2021).
El presente estudio se fundamenta en tres pilares teóricos que sustentan el análisis de los
determinantes de las exportaciones de cacao en Ucayali.
En primer lugar, la teoría de la ventaja comparativa, formulada por Ricardo (1817) y
extendida por el modelo Heckscher-Ohlin, establece que los países tienden a exportar aquellos
bienes para cuya producción poseen ventajas relativas en términos de dotación de factores
Vol. 13/ Núm. 2 2026 pág. 1090
(Krugman et al., 2016). En el caso de Ucayali, la disponibilidad de tierras aptas y condiciones
agroecológicas favorables constituyen la base de su inserción exportadora en el mercado
internacional de cacao.
En segundo lugar, el modelo simultáneo de oferta y demanda de exportaciones de Goldstein
y Khan (1978), el cual explica que las exportaciones dependen del ingreso de los mercados
externos, los precios relativos y el tipo de cambio real como indicador de competitividad.
Asimismo, sostiene que precios y cantidades exportadas se determinan conjuntamente, ofreciendo
un análisis más realista que los modelos tradicionales (Buisán et al., 2004). Para el caso del cacao
en Ucayali, este enfoque permite analizar la influencia de la capacidad productiva regional, la
demanda externa y el tipo de cambio en el desempeño exportador.
En tercer lugar, los fundamentos de elasticidad precio-demanda permiten evaluar en qué
medida las variaciones en el precio internacional del cacao afectan tanto la cantidad demandada
por los importadores como las decisiones de oferta de los productores locales. Cuando la demanda
es inelástica como ocurre con los commodities agrícolas de alta especialización un incremento
del precio no necesariamente reduce el volumen exportado (Mankiw, 2020). Este principio ayuda
a interpretar el signo negativo del coeficiente del precio internacional (PIGC) encontrado en el
modelo estimado.
MATERIALES Y MÉTODOS
Enfoque, nivel y diseño de la investigación
La investigación presenta un enfoque cuantitativo, ya que utiliza datos numéricos y
herramientas estadísticas para analizar la relación entre variables económicas. Asimismo, es de
tipo longitudinal, debido a que estudia la evolución de las exportaciones de cacao y sus factores
explicativos a lo largo de un periodo de tiempo (2010-2021).
El nivel de investigación es explicativo, porque no solo describe el comportamiento de las
variables, sino que busca determinar la influencia de factores como el PBI per cápita
internacional, el precio internacional del cacao y el tipo de cambio real sobre el valor de las
exportaciones.
El diseño es no experimental, puesto que no se manipulan variables, sino que se observan
fenómenos económicos tal como ocurrieron en la realidad. Se emplea además un modelo
econométrico de regresión lineal múltiple, utilizando el método de Mínimos Cuadrados
Ordinarios (MCO), acompañado de pruebas estadísticas como Jarque-Bera (normalidad), Durbin-
Watson y Breusch-Godfrey (autocorrelación). Asimismo, Test White (heterocedasticidad)
Población y muestra
La población de estudio está conformada por el conjunto de datos económicos y
estadísticos relacionados con las exportaciones de cacao del departamento de Ucayali, así como
(Krugman et al., 2016). En el caso de Ucayali, la disponibilidad de tierras aptas y condiciones
agroecológicas favorables constituyen la base de su inserción exportadora en el mercado
internacional de cacao.
En segundo lugar, el modelo simultáneo de oferta y demanda de exportaciones de Goldstein
y Khan (1978), el cual explica que las exportaciones dependen del ingreso de los mercados
externos, los precios relativos y el tipo de cambio real como indicador de competitividad.
Asimismo, sostiene que precios y cantidades exportadas se determinan conjuntamente, ofreciendo
un análisis más realista que los modelos tradicionales (Buisán et al., 2004). Para el caso del cacao
en Ucayali, este enfoque permite analizar la influencia de la capacidad productiva regional, la
demanda externa y el tipo de cambio en el desempeño exportador.
En tercer lugar, los fundamentos de elasticidad precio-demanda permiten evaluar en qué
medida las variaciones en el precio internacional del cacao afectan tanto la cantidad demandada
por los importadores como las decisiones de oferta de los productores locales. Cuando la demanda
es inelástica como ocurre con los commodities agrícolas de alta especialización un incremento
del precio no necesariamente reduce el volumen exportado (Mankiw, 2020). Este principio ayuda
a interpretar el signo negativo del coeficiente del precio internacional (PIGC) encontrado en el
modelo estimado.
MATERIALES Y MÉTODOS
Enfoque, nivel y diseño de la investigación
La investigación presenta un enfoque cuantitativo, ya que utiliza datos numéricos y
herramientas estadísticas para analizar la relación entre variables económicas. Asimismo, es de
tipo longitudinal, debido a que estudia la evolución de las exportaciones de cacao y sus factores
explicativos a lo largo de un periodo de tiempo (2010-2021).
El nivel de investigación es explicativo, porque no solo describe el comportamiento de las
variables, sino que busca determinar la influencia de factores como el PBI per cápita
internacional, el precio internacional del cacao y el tipo de cambio real sobre el valor de las
exportaciones.
El diseño es no experimental, puesto que no se manipulan variables, sino que se observan
fenómenos económicos tal como ocurrieron en la realidad. Se emplea además un modelo
econométrico de regresión lineal múltiple, utilizando el método de Mínimos Cuadrados
Ordinarios (MCO), acompañado de pruebas estadísticas como Jarque-Bera (normalidad), Durbin-
Watson y Breusch-Godfrey (autocorrelación). Asimismo, Test White (heterocedasticidad)
Población y muestra
La población de estudio está conformada por el conjunto de datos económicos y
estadísticos relacionados con las exportaciones de cacao del departamento de Ucayali, así como
Vol. 13/ Núm. 2 2026 pág. 1091
las variables macroeconómicas internacionales que influyen en ellas durante el periodo 2010-
2021.
La muestra corresponde a la totalidad de los registros anuales disponibles dentro del
periodo de estudio (2010-2021). Es decir, se trabaja con una muestra censal, porque se utilizan
todos los datos existentes del rango temporal definido y no solo una parte de ellos.
Asimismo, la frecuencia anual se justifica por la ausencia de series trimestrales o mensuales
completas y homogéneas para todo el periodo 2010–2021, por lo que se empleó la información
oficial disponible, asegurando consistencia temporal en la estimación.
Modelo Econométrico
Se utilizó un modelo económico de regresión lineal múltiple, en el cual la exportación de
cacao en el departamento de Ucayali dependió de los precios internacionales, del índice de tipo
de cambio y del PBI internacional del cacao (Bernal, 2016). La forma general del modelo fue:
Y1 = β0 + β1∗ X1 + β2∗ X2 + β3∗X3 + 𝑼
Dónde:
Variable dependiente:
Y: Exportación de cacao en Ucayali (dólares USA).
Variables independientes:
X1: PBI real internacional
X2: Precio internacional de cacao
X3: Índice de tipo de cambio real
Otros parámetros del modelo:
❖ β0, β1, β2, β3, β4 = Parámetros de regresión lineal.
❖ u = Término de error del modelo.
El análisis econométrico se llevó a cabo utilizando el software estadístico EViews, y se
verificaron las condiciones de multicolinealidad, heterocedasticidad y autocorrelación mediante
pruebas como el Test de Fisher, el criterio de Akaike, el coeficiente de determinación (R-squared),
entre otras.
las variables macroeconómicas internacionales que influyen en ellas durante el periodo 2010-
2021.
La muestra corresponde a la totalidad de los registros anuales disponibles dentro del
periodo de estudio (2010-2021). Es decir, se trabaja con una muestra censal, porque se utilizan
todos los datos existentes del rango temporal definido y no solo una parte de ellos.
Asimismo, la frecuencia anual se justifica por la ausencia de series trimestrales o mensuales
completas y homogéneas para todo el periodo 2010–2021, por lo que se empleó la información
oficial disponible, asegurando consistencia temporal en la estimación.
Modelo Econométrico
Se utilizó un modelo económico de regresión lineal múltiple, en el cual la exportación de
cacao en el departamento de Ucayali dependió de los precios internacionales, del índice de tipo
de cambio y del PBI internacional del cacao (Bernal, 2016). La forma general del modelo fue:
Y1 = β0 + β1∗ X1 + β2∗ X2 + β3∗X3 + 𝑼
Dónde:
Variable dependiente:
Y: Exportación de cacao en Ucayali (dólares USA).
Variables independientes:
X1: PBI real internacional
X2: Precio internacional de cacao
X3: Índice de tipo de cambio real
Otros parámetros del modelo:
❖ β0, β1, β2, β3, β4 = Parámetros de regresión lineal.
❖ u = Término de error del modelo.
El análisis econométrico se llevó a cabo utilizando el software estadístico EViews, y se
verificaron las condiciones de multicolinealidad, heterocedasticidad y autocorrelación mediante
pruebas como el Test de Fisher, el criterio de Akaike, el coeficiente de determinación (R-squared),
entre otras.
Vol. 13/ Núm. 2 2026 pág. 1092
RESULTADOS Y DISCUSIÓN
Análisis del Producto Bruto Interno
Tabla 1
Producto bruto interno a precios constantes de los principales países de exportación, 2009-2021
Añ
o
Malas
ia
(mil
millon
es
US$)
Países
Bajos
(mil
millon
es
US$)
Indone
sia
(billon
es US$)
Estad
os
Unido
s
(billon
es
US$)
Méxic
o
(miles
de
millon
es
US$)
Italia
(billon
es
US$)
Españ
a
(billon
es
US$)
Alema
nia
(billon
es
US$)
Bélgic
a (mil
millon
es
US$)
Franc
ia
(billon
es
US$)
Reino
Unido
(billon
es
US$)
200
9
216.5
7
655.9
6
6.46 15.95 19.16 1.87 1.20 2.96 421.3
4
15.95 2.60
201
0
232.6
5
664.7
7
6.86 16.38 20.11 1.90 1.20 3.09 433.4
0
16.38 2.66
201
1
244.9
7
675.0
8
7.29 16.64 20.80 1.91 1.19 3.21 440.7
5
16.64 2.69
201
2
258.3
8
668.1
2
7.73 17.02 21.54 1.86 1.15 3.22 444.0
1
17.02 2.73
201
3
270.5
1
667.2
5
8.16 17.33 21.72 1.82 1.14 3.24 446.0
5
17.33 2.78
201
4
286.7
6
676.7
5
8.56 17.73 22.27 1.82 1.15 3.31 453.0
9
17.73 2.86
201
5
301.3
6
690.0
1
8.98 18.21 22.87 1.84 1.20 3.36 462.3
4
18.21 2.93
201
6
314.7
6
705.1
3
9.43 18.51 23.27 1.86 1.23 3.43 468.1
9
18.51 2.98
201
7
333.0
6
725.6
6
9.91 18.92 23.71 1.89 1.27 3.52 475.7
7
18.92 3.06
201
8
349.1
9
742.7
9
10.43 19.48 24.18 1.91 1.30 3.56 484.3
1
19.48 3.11
201
9
364.6
0
757.3
1
10.95 19.93 24.11 1.92 1.32 3.60 495.1
6
19.93 3.16
202
0
344.7
1
727.8
8
10.72 19.38 22.02 1.75 1.18 3.46 469.1
1
19.38 2.83
202
1
356.0
7
772.9
5
11.12 20.53 23.31 1.89 1.25 3.57 501.2
5
20.53 3.08
Nota. Elaboración propia, en base a la data del Banco Mundial, expresado en billones de US$ (Periodo 2010-2021)
Fuente: Banco Mundial
La evolución del Producto Bruto Interno (PBI) a precios constantes de un conjunto de
países considerados como principales mercados de destino de exportación durante el periodo
2009-2021. Al emplearse precios constantes, los valores permiten observar el crecimiento real de
las economías sin el efecto de la inflación, lo que brinda una visión más precisa del desempeño
económico a lo largo del tiempo. En términos generales, se observa una tendencia creciente
sostenida en la mayoría de países desde 2009 hasta 2019. Estados Unidos destaca como la
economía de mayor tamaño dentro de la muestra, superando los 15 billones de dólares en 2009 y
alcanzando cerca de 20 billones antes de la pandemia, lo que evidencia su fuerte capacidad de
consumo e importación. De manera similar, economías europeas como Alemania, Francia, Reino
Unido, Italia y España muestran incrementos progresivos, aunque con ritmos de crecimiento más
RESULTADOS Y DISCUSIÓN
Análisis del Producto Bruto Interno
Tabla 1
Producto bruto interno a precios constantes de los principales países de exportación, 2009-2021
Añ
o
Malas
ia
(mil
millon
es
US$)
Países
Bajos
(mil
millon
es
US$)
Indone
sia
(billon
es US$)
Estad
os
Unido
s
(billon
es
US$)
Méxic
o
(miles
de
millon
es
US$)
Italia
(billon
es
US$)
Españ
a
(billon
es
US$)
Alema
nia
(billon
es
US$)
Bélgic
a (mil
millon
es
US$)
Franc
ia
(billon
es
US$)
Reino
Unido
(billon
es
US$)
200
9
216.5
7
655.9
6
6.46 15.95 19.16 1.87 1.20 2.96 421.3
4
15.95 2.60
201
0
232.6
5
664.7
7
6.86 16.38 20.11 1.90 1.20 3.09 433.4
0
16.38 2.66
201
1
244.9
7
675.0
8
7.29 16.64 20.80 1.91 1.19 3.21 440.7
5
16.64 2.69
201
2
258.3
8
668.1
2
7.73 17.02 21.54 1.86 1.15 3.22 444.0
1
17.02 2.73
201
3
270.5
1
667.2
5
8.16 17.33 21.72 1.82 1.14 3.24 446.0
5
17.33 2.78
201
4
286.7
6
676.7
5
8.56 17.73 22.27 1.82 1.15 3.31 453.0
9
17.73 2.86
201
5
301.3
6
690.0
1
8.98 18.21 22.87 1.84 1.20 3.36 462.3
4
18.21 2.93
201
6
314.7
6
705.1
3
9.43 18.51 23.27 1.86 1.23 3.43 468.1
9
18.51 2.98
201
7
333.0
6
725.6
6
9.91 18.92 23.71 1.89 1.27 3.52 475.7
7
18.92 3.06
201
8
349.1
9
742.7
9
10.43 19.48 24.18 1.91 1.30 3.56 484.3
1
19.48 3.11
201
9
364.6
0
757.3
1
10.95 19.93 24.11 1.92 1.32 3.60 495.1
6
19.93 3.16
202
0
344.7
1
727.8
8
10.72 19.38 22.02 1.75 1.18 3.46 469.1
1
19.38 2.83
202
1
356.0
7
772.9
5
11.12 20.53 23.31 1.89 1.25 3.57 501.2
5
20.53 3.08
Nota. Elaboración propia, en base a la data del Banco Mundial, expresado en billones de US$ (Periodo 2010-2021)
Fuente: Banco Mundial
La evolución del Producto Bruto Interno (PBI) a precios constantes de un conjunto de
países considerados como principales mercados de destino de exportación durante el periodo
2009-2021. Al emplearse precios constantes, los valores permiten observar el crecimiento real de
las economías sin el efecto de la inflación, lo que brinda una visión más precisa del desempeño
económico a lo largo del tiempo. En términos generales, se observa una tendencia creciente
sostenida en la mayoría de países desde 2009 hasta 2019. Estados Unidos destaca como la
economía de mayor tamaño dentro de la muestra, superando los 15 billones de dólares en 2009 y
alcanzando cerca de 20 billones antes de la pandemia, lo que evidencia su fuerte capacidad de
consumo e importación. De manera similar, economías europeas como Alemania, Francia, Reino
Unido, Italia y España muestran incrementos progresivos, aunque con ritmos de crecimiento más
Vol. 13/ Núm. 2 2026 pág. 1093
moderados y estables. Un punto clave del análisis es el impacto del año 2020, donde se evidencia
una caída generalizada del PBI en todos los países, efecto asociado a la crisis sanitaria mundial
por COVID-19. Esta contracción económica se traduce en una reducción temporal de la capacidad
de demanda internacional. Sin embargo, para 2021 se observa una recuperación parcial, lo que
indica resiliencia económica y reactivación del comercio global.
Figura 1
Variación porcentual promedio del PIB a precios constantes de los principales países de
exportación, 2010-2021
Nota. Elaboración propia, en base a la data del Banco Mundial (Periodo 2010-2023)
Fuente: Banco Mundial
Se observa la variación porcentual promedio del Producto Interno Bruto (PIB) a precios
constantes de los principales países de destino de exportación durante el período 2010–2021.
Indonesia presenta el mayor crecimiento promedio, con 4,7 %, seguido por Malasia con 2,8 %, lo
que evidencia el mayor dinamismo de las economías asiáticas emergentes. Estados Unidos y
Francia registran un crecimiento de 2,1 %, mientras que México y Alemania alcanzan 1,7 % y 1,6
%, respectivamente. Bélgica, Reino Unido y Países Bajos presentan tasas entre 1,4 % y 1,5 %. En
contraste, España (0,4 %) e Italia (0,2 %) muestran los menores niveles de crecimiento, reflejando
un desempeño económico limitado. En conjunto, los resultados indican que los mercados asiáticos
exhibieron una expansión económica más acelerada que varias economías europeas, lo cual
representa mayores oportunidades comerciales para los países exportadores.
moderados y estables. Un punto clave del análisis es el impacto del año 2020, donde se evidencia
una caída generalizada del PBI en todos los países, efecto asociado a la crisis sanitaria mundial
por COVID-19. Esta contracción económica se traduce en una reducción temporal de la capacidad
de demanda internacional. Sin embargo, para 2021 se observa una recuperación parcial, lo que
indica resiliencia económica y reactivación del comercio global.
Figura 1
Variación porcentual promedio del PIB a precios constantes de los principales países de
exportación, 2010-2021
Nota. Elaboración propia, en base a la data del Banco Mundial (Periodo 2010-2023)
Fuente: Banco Mundial
Se observa la variación porcentual promedio del Producto Interno Bruto (PIB) a precios
constantes de los principales países de destino de exportación durante el período 2010–2021.
Indonesia presenta el mayor crecimiento promedio, con 4,7 %, seguido por Malasia con 2,8 %, lo
que evidencia el mayor dinamismo de las economías asiáticas emergentes. Estados Unidos y
Francia registran un crecimiento de 2,1 %, mientras que México y Alemania alcanzan 1,7 % y 1,6
%, respectivamente. Bélgica, Reino Unido y Países Bajos presentan tasas entre 1,4 % y 1,5 %. En
contraste, España (0,4 %) e Italia (0,2 %) muestran los menores niveles de crecimiento, reflejando
un desempeño económico limitado. En conjunto, los resultados indican que los mercados asiáticos
exhibieron una expansión económica más acelerada que varias economías europeas, lo cual
representa mayores oportunidades comerciales para los países exportadores.
Vol. 13/ Núm. 2 2026 pág. 1094
Figura 2
Variación Porcentual del Crecimiento promedio del PIB per cápita, 2010-2021
Nota. Elaboración propia, en base a la data del Banco Mundial (Periodo 2010-202)
Fuente: Banco Mundial
Se observa que Indonesia lidera la variación con aproximadamente 3.5 %, seguida por
Malasia con 2.8 %, lo que evidencia un mayor dinamismo en las economías asiáticas emergentes.
Estos países destacan por mantener tasas de crecimiento superiores al promedio del grupo,
reflejando expansión económica sostenida y mayor potencial de consumo. En un nivel intermedio
se ubican Alemania y Estados Unidos, ambos con alrededor de 1.5 %, mostrando un crecimiento
estable pero menos acelerado en comparación con Asia. Estas economías, aunque crecen a menor
ritmo porcentual, poseen gran tamaño y poder adquisitivo, lo que mantiene su relevancia en el
comercio internacional. Por debajo de este nivel aparecen Bélgica, Países Bajos y Reino Unido
con 0.9 %, seguidos de Francia (0.7 %) y México (0.6 %). Finalmente, España (0.3 %) e Italia
(0.2 %) presentan las variaciones más bajas del grupo, indicando un crecimiento económico más
lento durante el periodo analizado.
Figura 2
Variación Porcentual del Crecimiento promedio del PIB per cápita, 2010-2021
Nota. Elaboración propia, en base a la data del Banco Mundial (Periodo 2010-202)
Fuente: Banco Mundial
Se observa que Indonesia lidera la variación con aproximadamente 3.5 %, seguida por
Malasia con 2.8 %, lo que evidencia un mayor dinamismo en las economías asiáticas emergentes.
Estos países destacan por mantener tasas de crecimiento superiores al promedio del grupo,
reflejando expansión económica sostenida y mayor potencial de consumo. En un nivel intermedio
se ubican Alemania y Estados Unidos, ambos con alrededor de 1.5 %, mostrando un crecimiento
estable pero menos acelerado en comparación con Asia. Estas economías, aunque crecen a menor
ritmo porcentual, poseen gran tamaño y poder adquisitivo, lo que mantiene su relevancia en el
comercio internacional. Por debajo de este nivel aparecen Bélgica, Países Bajos y Reino Unido
con 0.9 %, seguidos de Francia (0.7 %) y México (0.6 %). Finalmente, España (0.3 %) e Italia
(0.2 %) presentan las variaciones más bajas del grupo, indicando un crecimiento económico más
lento durante el periodo analizado.
Vol. 13/ Núm. 2 2026 pág. 1095
Mercado del cacao
Figura 3
Precio internacional del cacao por tonelada en miles de dólares, 2010-2021
Al inicio del periodo (2010–2011) el precio se sitúa en niveles relativamente altos,
alrededor de 3.1 y 2.98 miles de dólares por tonelada, lo que indica un contexto favorable para
los países exportadores. Posteriormente, entre 2012 y 2013, se observa una disminución
significativa, alcanzando valores cercanos a 2.39–2.44, reflejando una fase de ajuste del mercado
posiblemente asociada a mayor oferta global o desaceleración de la demanda. Entre 2014 y 2015
se evidencia un repunte importante, alcanzando nuevamente valores superiores a 3.0, con un
máximo cercano a 3.14, lo que representa el punto más alto del periodo analizado. Sin embargo,
a partir de 2016 el precio vuelve a descender y en 2017 se registra la caída más pronunciada,
llegando aproximadamente a 2.03, constituyendo el valor mínimo de la serie. Desde 2018 en
adelante se aprecia una recuperación progresiva y estable, con incrementos leves pero constantes
(2.29 – 2.43), lo que sugiere una fase de estabilización del mercado sin alcanzar nuevamente los
picos de 2014–2015.
Mercado del cacao
Figura 3
Precio internacional del cacao por tonelada en miles de dólares, 2010-2021
Al inicio del periodo (2010–2011) el precio se sitúa en niveles relativamente altos,
alrededor de 3.1 y 2.98 miles de dólares por tonelada, lo que indica un contexto favorable para
los países exportadores. Posteriormente, entre 2012 y 2013, se observa una disminución
significativa, alcanzando valores cercanos a 2.39–2.44, reflejando una fase de ajuste del mercado
posiblemente asociada a mayor oferta global o desaceleración de la demanda. Entre 2014 y 2015
se evidencia un repunte importante, alcanzando nuevamente valores superiores a 3.0, con un
máximo cercano a 3.14, lo que representa el punto más alto del periodo analizado. Sin embargo,
a partir de 2016 el precio vuelve a descender y en 2017 se registra la caída más pronunciada,
llegando aproximadamente a 2.03, constituyendo el valor mínimo de la serie. Desde 2018 en
adelante se aprecia una recuperación progresiva y estable, con incrementos leves pero constantes
(2.29 – 2.43), lo que sugiere una fase de estabilización del mercado sin alcanzar nuevamente los
picos de 2014–2015.
Vol. 13/ Núm. 2 2026 pág. 1096
Figura 4
Índice del tipo de cambio multilateral, 2010-2021
Nota. Elaboración propia en base al índice del tipo de cambio real multilateral de los últimos años con base 2009=100
(Periodo 2010 - 2021)
Fuente: Banco central de Reserva del Perú
Durante el periodo analizado, el índice muestra un comportamiento fluctuante, pero con
tendencia general al alza. En 2010 el valor se sitúa alrededor de 97.34, incrementándose en 2011
hasta 99.2. Sin embargo, en 2012 se observa una caída importante a 92.66, lo que representa uno
de los niveles más bajos de la serie. Posteriormente, entre 2013 y 2016 se aprecia una recuperación
progresiva, alcanzando valores cercanos o superiores a 98–99, lo que sugiere una mejora en la
competitividad externa. En 2017 vuelve a registrarse un descenso hasta aproximadamente 95.5,
seguido de una nueva recuperación en 2018 y 2019, con valores cercanos a 97–99.
El punto más destacado se presenta en 2021, donde el índice alcanza aproximadamente
111.43, constituyendo el valor más alto de todo el periodo. Este incremento representa una
depreciación relativa de la moneda nacional frente a otras divisas, lo cual tiende a favorecer las
exportaciones al hacer los productos nacionales más competitivos en precio en el mercado
internacional. Este índice refleja la competitividad de la economía peruana en el mercado
internacional y es un indicador de las exportaciones del país.
Figura 4
Índice del tipo de cambio multilateral, 2010-2021
Nota. Elaboración propia en base al índice del tipo de cambio real multilateral de los últimos años con base 2009=100
(Periodo 2010 - 2021)
Fuente: Banco central de Reserva del Perú
Durante el periodo analizado, el índice muestra un comportamiento fluctuante, pero con
tendencia general al alza. En 2010 el valor se sitúa alrededor de 97.34, incrementándose en 2011
hasta 99.2. Sin embargo, en 2012 se observa una caída importante a 92.66, lo que representa uno
de los niveles más bajos de la serie. Posteriormente, entre 2013 y 2016 se aprecia una recuperación
progresiva, alcanzando valores cercanos o superiores a 98–99, lo que sugiere una mejora en la
competitividad externa. En 2017 vuelve a registrarse un descenso hasta aproximadamente 95.5,
seguido de una nueva recuperación en 2018 y 2019, con valores cercanos a 97–99.
El punto más destacado se presenta en 2021, donde el índice alcanza aproximadamente
111.43, constituyendo el valor más alto de todo el periodo. Este incremento representa una
depreciación relativa de la moneda nacional frente a otras divisas, lo cual tiende a favorecer las
exportaciones al hacer los productos nacionales más competitivos en precio en el mercado
internacional. Este índice refleja la competitividad de la economía peruana en el mercado
internacional y es un indicador de las exportaciones del país.
Vol. 13/ Núm. 2 2026 pág. 1097
Figura 5
Exportaciones de Cacao en Perú y Ucayali (Valor FOB - Millones de US$), 2010-2021
Es notable que a pesar de la diferencia de escalas ambas producciones están
estrechamente relacionadas en cuanto a incrementos y caídas, con la excepción de los años 2019
y 2020. Durante el periodo de estudio, el departamento de Ucayali exportó en promedio anual 3.6
millones de dólares que representa el 1.7% de las exportaciones peruanas de cacao. Se observa
una tendencia creciente progresiva en las exportaciones de cacao del Perú a lo largo del periodo,
con incrementos sostenidos impulsados por la expansión del mercado internacional, mejoras en
la producción y mayor posicionamiento del cacao peruano como producto de calidad. De forma
paralela, Ucayali también muestra una evolución ascendente, aunque con valores
considerablemente menores debido a su condición de región productora específica dentro del total
nacional. La similitud en los picos y descensos sugiere que las exportaciones de Ucayali
responden a las mismas dinámicas macroeconómicas y de mercado que afectan al país en su
conjunto, tales como variaciones del precio internacional, tipo de cambio, condiciones climáticas
y demanda externa.
Resultados del Modelo Econométrico
Con los resultados, se estimó un modelo econométrico de datos con la siguiente forma
funcional:
Y = β0 + β1∗ X1 + β2∗ X2 + β3∗X3 + 𝑼
Las variables fueron codificadas para ser procesadas según la siguiente nomenclatura:
Y= Exportación de cacao a precios FOB en millones de dólares: EXPGC
Figura 5
Exportaciones de Cacao en Perú y Ucayali (Valor FOB - Millones de US$), 2010-2021
Es notable que a pesar de la diferencia de escalas ambas producciones están
estrechamente relacionadas en cuanto a incrementos y caídas, con la excepción de los años 2019
y 2020. Durante el periodo de estudio, el departamento de Ucayali exportó en promedio anual 3.6
millones de dólares que representa el 1.7% de las exportaciones peruanas de cacao. Se observa
una tendencia creciente progresiva en las exportaciones de cacao del Perú a lo largo del periodo,
con incrementos sostenidos impulsados por la expansión del mercado internacional, mejoras en
la producción y mayor posicionamiento del cacao peruano como producto de calidad. De forma
paralela, Ucayali también muestra una evolución ascendente, aunque con valores
considerablemente menores debido a su condición de región productora específica dentro del total
nacional. La similitud en los picos y descensos sugiere que las exportaciones de Ucayali
responden a las mismas dinámicas macroeconómicas y de mercado que afectan al país en su
conjunto, tales como variaciones del precio internacional, tipo de cambio, condiciones climáticas
y demanda externa.
Resultados del Modelo Econométrico
Con los resultados, se estimó un modelo econométrico de datos con la siguiente forma
funcional:
Y = β0 + β1∗ X1 + β2∗ X2 + β3∗X3 + 𝑼
Las variables fueron codificadas para ser procesadas según la siguiente nomenclatura:
Y= Exportación de cacao a precios FOB en millones de dólares: EXPGC
Vol. 13/ Núm. 2 2026 pág. 1098
X1= Tasa de crecimiento promedio del PBI real de los principales países: TCPBIPER
X2= Índice del tipo de cambio real Multilateral: ITCRM
X3= Precio internacional del grano de cacao expresado en dólares americanos: PIGC
β0, 1, 2, 3 = Parámetros de regresión lineal
u = Término de error
Tabla 2
Resumen del modelo estimado (Regresión múltiple)
Dependent Variable: EXPGC
Method: Least Squares
Sample: 2010 2021
Included observations: 12
Resultados de la regresión
Variable Coefficient Std. Error t-Statistic Prob.
C -17.82759 8.854812 -2.013322 0.0789
PIGC -3.012318 1.134064 -2.656216 0.0290
ITCRM 0.303252 0.081628 3.715024 0.0059
TCPBIPER -0.172355 0.134220 -1.284128 0.2350
Estadísticos del modelo
Estadístico Valor Estadístico Valor
R-squared 0.750774 Mean dependent var 3.661667
Adjusted R-squared 0.657314 S.D. dependent var 1.977638
S.E. of regression 1.157696 Akaike info criterion 3.391943
Sum squared resid 10.72209 Schwarz criterion 3.553578
Log likelihood -16.35166 Hannan-Quinn criter. 3.332099
F-statistic 8.033134 Durbin-Watson stat 1.449756
Prob(F-statistic) 0.008493
Los resultados del modelo econométrico estimado mediante el método de Mínimos
Cuadrados Ordinarios (OLS) evidencian un desempeño estadístico adecuado y una capacidad
explicativa relevante de las variables independientes sobre la variable dependiente EXPGC. El
coeficiente de determinación (R² = 0.7508) indica que aproximadamente el 75 % de la
variabilidad observada en el comportamiento de EXPGC es explicada por el conjunto de variables
incluidas en el modelo, lo cual sugiere un nivel de ajuste satisfactorio para el tamaño muestral.
De manera complementaria, el R² ajustado (0.6573) confirma que, aun considerando el número
de predictores, el modelo mantiene una consistencia explicativa adecuada.
X1= Tasa de crecimiento promedio del PBI real de los principales países: TCPBIPER
X2= Índice del tipo de cambio real Multilateral: ITCRM
X3= Precio internacional del grano de cacao expresado en dólares americanos: PIGC
β0, 1, 2, 3 = Parámetros de regresión lineal
u = Término de error
Tabla 2
Resumen del modelo estimado (Regresión múltiple)
Dependent Variable: EXPGC
Method: Least Squares
Sample: 2010 2021
Included observations: 12
Resultados de la regresión
Variable Coefficient Std. Error t-Statistic Prob.
C -17.82759 8.854812 -2.013322 0.0789
PIGC -3.012318 1.134064 -2.656216 0.0290
ITCRM 0.303252 0.081628 3.715024 0.0059
TCPBIPER -0.172355 0.134220 -1.284128 0.2350
Estadísticos del modelo
Estadístico Valor Estadístico Valor
R-squared 0.750774 Mean dependent var 3.661667
Adjusted R-squared 0.657314 S.D. dependent var 1.977638
S.E. of regression 1.157696 Akaike info criterion 3.391943
Sum squared resid 10.72209 Schwarz criterion 3.553578
Log likelihood -16.35166 Hannan-Quinn criter. 3.332099
F-statistic 8.033134 Durbin-Watson stat 1.449756
Prob(F-statistic) 0.008493
Los resultados del modelo econométrico estimado mediante el método de Mínimos
Cuadrados Ordinarios (OLS) evidencian un desempeño estadístico adecuado y una capacidad
explicativa relevante de las variables independientes sobre la variable dependiente EXPGC. El
coeficiente de determinación (R² = 0.7508) indica que aproximadamente el 75 % de la
variabilidad observada en el comportamiento de EXPGC es explicada por el conjunto de variables
incluidas en el modelo, lo cual sugiere un nivel de ajuste satisfactorio para el tamaño muestral.
De manera complementaria, el R² ajustado (0.6573) confirma que, aun considerando el número
de predictores, el modelo mantiene una consistencia explicativa adecuada.
Vol. 13/ Núm. 2 2026 pág. 1099
En términos de significancia global, el estadístico F (8.03) y su probabilidad asociada (p
= 0.0085) evidencian que el modelo es estadísticamente significativo en conjunto, es decir, las
variables explicativas aportan información relevante para predecir la variable dependiente. Al
analizar los coeficientes individuales, se identifican resultados particularmente importantes. La
variable ITCRM presenta un coeficiente positivo y altamente significativo (p < 0.01), lo que
indica una relación directa con EXPGC; este hallazgo sugiere que incrementos en ITCRM se
asocian con aumentos proporcionales en la variable dependiente, consolidándose como uno de
los factores con mayor incidencia dentro del modelo. Por otro lado, PIGC muestra un coeficiente
negativo estadísticamente significativo (p < 0.05), lo cual revela una relación inversa y sugiere
que aumentos en este indicador se vinculan con reducciones en EXPGC. En contraste, la variable
TCPBIPER no alcanza niveles de significancia estadística, lo que indica que su influencia no
puede afirmarse con solidez dentro del periodo analizado.
Tabla 3
Pruebas econométricas aplicadas
Prueba Estadístico p-valor Resultado
Jarque–Bera (Normalidad) 2.595183 0.273189 Residuos normales
Durbin–Watson 1.44 — Zona de indecisión
Breusch–Godfrey
(Autocorrelación) 1.934686 0.3801 Sin autocorrelación
White (Heterocedasticidad) 8.166319 0.5175 Homocedasticidad
ADF EXPGC 1.026843 0.9916 No estacionaria
ADF PIGC -1.481918 0.5046 No estacionaria
ADF ITCRM -0.63078 0.825 No estacionaria
ADF TCPBIPER -4.539325 0.006 Estacionaria
ADF residuos
(Cointegración) -2.739052 0.0122 Existe cointegración
Con el fin de evaluar la validez del modelo econométrico, se aplicaron diversas pruebas
de diagnóstico. La prueba Jarque–Bera obtuvo un estadístico de 2.595183 (p = 0.273189), por lo
que no se rechaza la hipótesis de normalidad de los residuos. El estadístico Durbin–Watson fue
1.44, ubicándose en la zona de indecisión; por ello se aplicó la prueba Breusch–Godfrey, cuyo
resultado (LM = 1.934686; p = 0.3801) indica ausencia de autocorrelación. Asimismo, la prueba
de heterocedasticidad de White reportó Obs*R² = 8.166319(p=0.5175), confirmando
homocedasticidad. Posteriormente se aplicó la prueba Augmented Dickey–Fuller (ADF) para
analizar la estacionariedad de las series. Los resultados indican que EXPGC, PIGC e ITCRM no
son estacionarias en niveles (p > 0.05), mientras que TCPBIPER sí es estacionaria (p = 0.0060).
Finalmente, mediante la prueba de cointegración de Engle–Granger y el ADF aplicado a los
residuos (t = –2.739052; p = 0.0122), se evidencia la existencia de una relación de equilibrio de
largo plazo entre las variables del modelo.
En términos de significancia global, el estadístico F (8.03) y su probabilidad asociada (p
= 0.0085) evidencian que el modelo es estadísticamente significativo en conjunto, es decir, las
variables explicativas aportan información relevante para predecir la variable dependiente. Al
analizar los coeficientes individuales, se identifican resultados particularmente importantes. La
variable ITCRM presenta un coeficiente positivo y altamente significativo (p < 0.01), lo que
indica una relación directa con EXPGC; este hallazgo sugiere que incrementos en ITCRM se
asocian con aumentos proporcionales en la variable dependiente, consolidándose como uno de
los factores con mayor incidencia dentro del modelo. Por otro lado, PIGC muestra un coeficiente
negativo estadísticamente significativo (p < 0.05), lo cual revela una relación inversa y sugiere
que aumentos en este indicador se vinculan con reducciones en EXPGC. En contraste, la variable
TCPBIPER no alcanza niveles de significancia estadística, lo que indica que su influencia no
puede afirmarse con solidez dentro del periodo analizado.
Tabla 3
Pruebas econométricas aplicadas
Prueba Estadístico p-valor Resultado
Jarque–Bera (Normalidad) 2.595183 0.273189 Residuos normales
Durbin–Watson 1.44 — Zona de indecisión
Breusch–Godfrey
(Autocorrelación) 1.934686 0.3801 Sin autocorrelación
White (Heterocedasticidad) 8.166319 0.5175 Homocedasticidad
ADF EXPGC 1.026843 0.9916 No estacionaria
ADF PIGC -1.481918 0.5046 No estacionaria
ADF ITCRM -0.63078 0.825 No estacionaria
ADF TCPBIPER -4.539325 0.006 Estacionaria
ADF residuos
(Cointegración) -2.739052 0.0122 Existe cointegración
Con el fin de evaluar la validez del modelo econométrico, se aplicaron diversas pruebas
de diagnóstico. La prueba Jarque–Bera obtuvo un estadístico de 2.595183 (p = 0.273189), por lo
que no se rechaza la hipótesis de normalidad de los residuos. El estadístico Durbin–Watson fue
1.44, ubicándose en la zona de indecisión; por ello se aplicó la prueba Breusch–Godfrey, cuyo
resultado (LM = 1.934686; p = 0.3801) indica ausencia de autocorrelación. Asimismo, la prueba
de heterocedasticidad de White reportó Obs*R² = 8.166319(p=0.5175), confirmando
homocedasticidad. Posteriormente se aplicó la prueba Augmented Dickey–Fuller (ADF) para
analizar la estacionariedad de las series. Los resultados indican que EXPGC, PIGC e ITCRM no
son estacionarias en niveles (p > 0.05), mientras que TCPBIPER sí es estacionaria (p = 0.0060).
Finalmente, mediante la prueba de cointegración de Engle–Granger y el ADF aplicado a los
residuos (t = –2.739052; p = 0.0122), se evidencia la existencia de una relación de equilibrio de
largo plazo entre las variables del modelo.
Vol. 13/ Núm. 2 2026 pág. 1100
Dado los resultados del modelo econométrico, EXPGC = -17.82759 - 3.012318 PIGC +
0.303252 ITCRM - 0.172355 TCPBIPER ; las variables que tuvieron una mayor influencia
significativa fueron el índice de tipo de cambio real multilateral (ITCRM) y los precios
internacionales del grano de cacao (PIGC).
En tal sentido se reafirma parcialmente el modelo descrito. El coeficiente del ITCRM es
0.303252, lo cual significa que, al incrementarse el índice de tipo de cambio real multilateral en
un punto, en promedio las exportaciones se incrementan en 0.303252 millones de dólares. Sin
embargo, el coeficiente estimado del precio internacional es –3.012318, lo que indica que, dentro
del modelo y para el periodo analizado, existe una relación inversa entre el precio internacional
del cacao y las exportaciones FOB de Ucayali. Es decir, ante una variación negativa de un dólar
en el precio internacional, se observa un incremento promedio de 3.012318 millones de dólares
en las exportaciones, manteniéndose constantes las demás variables explicativas.
Los resultados del modelo econométrico revelan una dinámica particular para las
exportaciones de cacao en Ucayali. El hallazgo más relevante es la influencia significativa del
Índice de Tipo de Cambio Real Multilateral (ITCRM) con un coeficiente de 0.3032, lo que
confirma que la competitividad-precio es un motor fundamental para el sector. Este resultado
coincide con lo planteado por Devi & Mutiah (2023) y Alori & Kutu (2019), reforzando la tesis
de que, para productos primarios o commodities, el valor del tipo de cambio es determinante para
el crecimiento de las exportaciones en el largo plazo.
Sin embargo, el modelo arroja una relación inversa inesperada entre el Precio
Internacional del Grano de Cacao (PIGC) y las exportaciones FOB ($-3.0123$). Mientras que
autores como Hidalgo (2016) sugieren que los precios internacionales afectan positivamente la
oferta exportable en Ecuador, la evidencia en Ucayali contradice esta premisa para el periodo
analizado. Esta discrepancia puede explicarse mediante dos factores críticos: La estructura
productiva de Ucayali:
A diferencia de grandes exportadores nacionales, la producción en Ucayali está
atomizada en pequeños productores y cooperativas que carecen de mecanismos de cobertura
financiera (hedging). Como señalan Rocha & Tafur (2018) y Alejos & Ríos (2019), la volatilidad
del precio internacional no siempre dicta el flujo exportador de inmediato. En Ucayali, la oferta
parece ser inelástica al precio en el corto plazo; es decir, el agricultor sigue cosechando y
exportando por necesidad de liquidez o por compromisos de volumen asumidos previamente,
incluso si el precio cae.
El efecto de la demanda externa y factores internos: La relación inversa sugiere que el
volumen exportado de Ucayali responde más a la demanda externa de chocolate (Gavilanes, 2018)
y a la gestión operativa de las empresas locales (Molina & Ramos, 2020) que al precio del
mercado de Nueva York o Londres. Esto contextualiza a Ucayali como una región donde el cacao
ha servido como un cultivo de sustitución y refugio económico, donde el aumento de las hectáreas
Dado los resultados del modelo econométrico, EXPGC = -17.82759 - 3.012318 PIGC +
0.303252 ITCRM - 0.172355 TCPBIPER ; las variables que tuvieron una mayor influencia
significativa fueron el índice de tipo de cambio real multilateral (ITCRM) y los precios
internacionales del grano de cacao (PIGC).
En tal sentido se reafirma parcialmente el modelo descrito. El coeficiente del ITCRM es
0.303252, lo cual significa que, al incrementarse el índice de tipo de cambio real multilateral en
un punto, en promedio las exportaciones se incrementan en 0.303252 millones de dólares. Sin
embargo, el coeficiente estimado del precio internacional es –3.012318, lo que indica que, dentro
del modelo y para el periodo analizado, existe una relación inversa entre el precio internacional
del cacao y las exportaciones FOB de Ucayali. Es decir, ante una variación negativa de un dólar
en el precio internacional, se observa un incremento promedio de 3.012318 millones de dólares
en las exportaciones, manteniéndose constantes las demás variables explicativas.
Los resultados del modelo econométrico revelan una dinámica particular para las
exportaciones de cacao en Ucayali. El hallazgo más relevante es la influencia significativa del
Índice de Tipo de Cambio Real Multilateral (ITCRM) con un coeficiente de 0.3032, lo que
confirma que la competitividad-precio es un motor fundamental para el sector. Este resultado
coincide con lo planteado por Devi & Mutiah (2023) y Alori & Kutu (2019), reforzando la tesis
de que, para productos primarios o commodities, el valor del tipo de cambio es determinante para
el crecimiento de las exportaciones en el largo plazo.
Sin embargo, el modelo arroja una relación inversa inesperada entre el Precio
Internacional del Grano de Cacao (PIGC) y las exportaciones FOB ($-3.0123$). Mientras que
autores como Hidalgo (2016) sugieren que los precios internacionales afectan positivamente la
oferta exportable en Ecuador, la evidencia en Ucayali contradice esta premisa para el periodo
analizado. Esta discrepancia puede explicarse mediante dos factores críticos: La estructura
productiva de Ucayali:
A diferencia de grandes exportadores nacionales, la producción en Ucayali está
atomizada en pequeños productores y cooperativas que carecen de mecanismos de cobertura
financiera (hedging). Como señalan Rocha & Tafur (2018) y Alejos & Ríos (2019), la volatilidad
del precio internacional no siempre dicta el flujo exportador de inmediato. En Ucayali, la oferta
parece ser inelástica al precio en el corto plazo; es decir, el agricultor sigue cosechando y
exportando por necesidad de liquidez o por compromisos de volumen asumidos previamente,
incluso si el precio cae.
El efecto de la demanda externa y factores internos: La relación inversa sugiere que el
volumen exportado de Ucayali responde más a la demanda externa de chocolate (Gavilanes, 2018)
y a la gestión operativa de las empresas locales (Molina & Ramos, 2020) que al precio del
mercado de Nueva York o Londres. Esto contextualiza a Ucayali como una región donde el cacao
ha servido como un cultivo de sustitución y refugio económico, donde el aumento de las hectáreas
Vol. 13/ Núm. 2 2026 pág. 1101
cosechadas en los últimos años ha mantenido el dinamismo exportador a pesar de los ciclos de
precios bajos
Por otro lado, la relevancia del ITCRM sobre el PBI regional apoya la postura de Sanjuán-
López y Dawson (2010) sobre el sector agrícola como motor de crecimiento. No obstante, debe
considerarse la advertencia de Mántey (2013): en una economía como la peruana, la
competitividad ganada por tipo de cambio puede verse limitada por la estructura de costos y la
posible dolarización de insumos agrícolas en la región.
Finalmente, la contextualización de estos hallazgos dentro de la estructura de Ucayali
permite concluir que la región posee una oferta exportadora resiliente pero vulnerable. Si bien el
cacao contribuye significativamente al análisis económico regional, su dependencia de variables
externas como el tipo de cambio, sumada a la limitada capacidad de respuesta ante precios
internacionales, subraya la necesidad de fortalecer la transformación industrial local para dejar de
depender exclusivamente de la exportación de materia prima.
CONCLUSIONES
Los resultados del análisis econométrico confirman la hipótesis general de la
investigación, evidenciando que los factores seleccionados influyen de manera significativa en
las exportaciones de cacao de Ucayali durante el periodo 2010–2021. El modelo de regresión
lineal múltiple permitió identificar que el índice del tipo de cambio real multilateral (ITCRM) y
el precio internacional del grano de cacao (PIGC) mantienen relaciones estadísticamente
significativas con el valor exportado a precios FOB. Estos hallazgos demuestran que las
variaciones en indicadores macroeconómicos y de mercado internacional desempeñan un rol
determinante en el comportamiento de las exportaciones regionales, validando la pertinencia de
las variables empleadas y la solidez metodológica del estudio.
La tasa de crecimiento promedio del PBI real de los países importadores (TCPBIPER) no
presentó influencia estadísticamente significativa sobre las exportaciones de cacao de Ucayali,
dado que su valor p superó el nivel de significancia establecido. Este resultado indica que el
crecimiento económico de los mercados compradores no se traduce necesariamente en una mayor
demanda del cacao peruano. La falta de relación puede explicarse por la existencia de proveedores
competidores consolidados, la producción interna de cacao en algunos países importadores y
periodos de desaceleración económica global que reducen el consumo de bienes no esenciales,
limitando así el impacto directo de esta variable.
El precio internacional del grano de cacao (PIGC) mostró una relación inversa y
estadísticamente significativa con el valor de las exportaciones de cacao de Ucayali. Este
comportamiento indica que el incremento del valor exportado no se explica necesariamente por
un aumento en los precios internacionales, sino por mayores volúmenes de producción y
exportación. En otras palabras, el crecimiento de las exportaciones responde más al aumento de
cosechadas en los últimos años ha mantenido el dinamismo exportador a pesar de los ciclos de
precios bajos
Por otro lado, la relevancia del ITCRM sobre el PBI regional apoya la postura de Sanjuán-
López y Dawson (2010) sobre el sector agrícola como motor de crecimiento. No obstante, debe
considerarse la advertencia de Mántey (2013): en una economía como la peruana, la
competitividad ganada por tipo de cambio puede verse limitada por la estructura de costos y la
posible dolarización de insumos agrícolas en la región.
Finalmente, la contextualización de estos hallazgos dentro de la estructura de Ucayali
permite concluir que la región posee una oferta exportadora resiliente pero vulnerable. Si bien el
cacao contribuye significativamente al análisis económico regional, su dependencia de variables
externas como el tipo de cambio, sumada a la limitada capacidad de respuesta ante precios
internacionales, subraya la necesidad de fortalecer la transformación industrial local para dejar de
depender exclusivamente de la exportación de materia prima.
CONCLUSIONES
Los resultados del análisis econométrico confirman la hipótesis general de la
investigación, evidenciando que los factores seleccionados influyen de manera significativa en
las exportaciones de cacao de Ucayali durante el periodo 2010–2021. El modelo de regresión
lineal múltiple permitió identificar que el índice del tipo de cambio real multilateral (ITCRM) y
el precio internacional del grano de cacao (PIGC) mantienen relaciones estadísticamente
significativas con el valor exportado a precios FOB. Estos hallazgos demuestran que las
variaciones en indicadores macroeconómicos y de mercado internacional desempeñan un rol
determinante en el comportamiento de las exportaciones regionales, validando la pertinencia de
las variables empleadas y la solidez metodológica del estudio.
La tasa de crecimiento promedio del PBI real de los países importadores (TCPBIPER) no
presentó influencia estadísticamente significativa sobre las exportaciones de cacao de Ucayali,
dado que su valor p superó el nivel de significancia establecido. Este resultado indica que el
crecimiento económico de los mercados compradores no se traduce necesariamente en una mayor
demanda del cacao peruano. La falta de relación puede explicarse por la existencia de proveedores
competidores consolidados, la producción interna de cacao en algunos países importadores y
periodos de desaceleración económica global que reducen el consumo de bienes no esenciales,
limitando así el impacto directo de esta variable.
El precio internacional del grano de cacao (PIGC) mostró una relación inversa y
estadísticamente significativa con el valor de las exportaciones de cacao de Ucayali. Este
comportamiento indica que el incremento del valor exportado no se explica necesariamente por
un aumento en los precios internacionales, sino por mayores volúmenes de producción y
exportación. En otras palabras, el crecimiento de las exportaciones responde más al aumento de
Vol. 13/ Núm. 2 2026 pág. 1102
la oferta productiva regional, impulsada por mejoras tecnológicas y programas de desarrollo
agrícola, que, a la dinámica del mercado internacional de precios, evidenciando una estrategia
basada en cantidad más que en valorización unitaria del producto.
El índice del tipo de cambio real multilateral (ITCRM) evidenció una relación positiva y
altamente significativa con las exportaciones de cacao, confirmando que las variaciones del tipo
de cambio inciden directamente en la competitividad del producto en mercados internacionales.
Un incremento en este índice se traduce en un aumento proporcional del valor exportado, lo cual
sugiere que un entorno cambiario favorable fortalece la capacidad de inserción comercial del
cacao ucayalino. Este resultado resalta la importancia de las condiciones macroeconómicas y de
política monetaria en la dinámica exportadora, posicionando al tipo de cambio como un factor
estratégico para la sostenibilidad del comercio exterior regional.
La producción de cacao en Ucayali, considerada como variable de control, no mostró un
impacto significativo dentro del modelo econométrico. Su inclusión generó una ligera
disminución en la significancia de otras variables relevantes y un leve deterioro en los indicadores
de ajuste estadístico, como el R-squared ajustado y los criterios de información. Esto sugiere que,
aunque la producción es un factor relevante en términos reales, dentro del modelo analizado no
aporta suficiente poder explicativo adicional. Por tanto, su efecto puede estar implícitamente
capturado por otras variables económicas, evidenciando la necesidad de evaluar su incorporación
en modelos alternativos o con mayor tamaño muestral.
la oferta productiva regional, impulsada por mejoras tecnológicas y programas de desarrollo
agrícola, que, a la dinámica del mercado internacional de precios, evidenciando una estrategia
basada en cantidad más que en valorización unitaria del producto.
El índice del tipo de cambio real multilateral (ITCRM) evidenció una relación positiva y
altamente significativa con las exportaciones de cacao, confirmando que las variaciones del tipo
de cambio inciden directamente en la competitividad del producto en mercados internacionales.
Un incremento en este índice se traduce en un aumento proporcional del valor exportado, lo cual
sugiere que un entorno cambiario favorable fortalece la capacidad de inserción comercial del
cacao ucayalino. Este resultado resalta la importancia de las condiciones macroeconómicas y de
política monetaria en la dinámica exportadora, posicionando al tipo de cambio como un factor
estratégico para la sostenibilidad del comercio exterior regional.
La producción de cacao en Ucayali, considerada como variable de control, no mostró un
impacto significativo dentro del modelo econométrico. Su inclusión generó una ligera
disminución en la significancia de otras variables relevantes y un leve deterioro en los indicadores
de ajuste estadístico, como el R-squared ajustado y los criterios de información. Esto sugiere que,
aunque la producción es un factor relevante en términos reales, dentro del modelo analizado no
aporta suficiente poder explicativo adicional. Por tanto, su efecto puede estar implícitamente
capturado por otras variables económicas, evidenciando la necesidad de evaluar su incorporación
en modelos alternativos o con mayor tamaño muestral.
Vol. 13/ Núm. 2 2026 pág. 1103
REFERENCIAS
Akhter, S., McDonald, M. A., & Marriott, R. (2016). Mangifera sylvatica (Wild Mango): A new
cocoa butter alternative. Scientific Reports, 6, 1–9. https://doi.org/10.1038/srep32050
Alejos, L. del C., & Ríos, A. (2019). Competitividad y factores que influyen en las exportaciones
de cacao del Perú. http://hdl.handle.net/10757/625705
Alori, A. D., & Kutu, A. A. (2019). Export function of cocoa production, exchange rate volatility
and prices in Nigeria. Journal of Economics and Behavioral Studies.
https://doi.org/10.22610/jebs.v11i2(j).2813
Banco Mundial (2025). Exportaciones de bienes y servicios (% del PIB).
https://datos.bancomundial.org/indicador/NE.EXP.GNFS.ZS?end=2024&start=2024&vie
w=map
Buisán, A., Caballero, J.C. y Jiménez, N. (2004). Determinación de las exportaciones de
manufacturas en los países de la UEM a partir de un modelo de oferta-demanda,
Documentos de Trabajo, n.º 0406, Banco de España.
Díaz, J., Varela, E., & Gil, J. M. (2018). Livelihood strategies of cacao producers in Peru. Journal
of Rural Studies, 63, 141–156. https://doi.org/10.1016/j.jrurstud.2018.08.004
Gobierno Regional de Ucayali. (2024). Lanzamiento oficial del Procompite 2024 para financiar
cadenas productivas. https://www.gob.pe/institucion/regionucayali/noticias/1062341-
ministro-gonzalez-y-gobernador-gambini-encabezan-lanzamiento-oficial-del-procompite-
2024-para-financiar-30-cadenas-productivas
Goldstein, M., & Khan, M. S. (1978). The Supply and Demand for Exports: A Simultaneous
Approach. The Review of Economics and Statistics, 60(2), 275–286.
https://doi.org/10.2307/1924981
Higuchi, A., & Rubiños, C. (2021). Comercio justo en el contexto del cacao peruano: El caso
Acopagro. https://ciup.up.edu.pe/analisis/comercio-justo-en-el-contexto-del-cacao-
peruano-caso-acopagro/
Krugman, P., Obstfelt, M., & Melitz, M. (2016). Economía internacional Teoría y política. (10.ª
ed.). Pearson.
Mántey, G. (2013). ¿Conviene flexibilizar el tipo de cambio para mejorar la competitividad?
Revista Problemas del Desarrollo, 44(175), 9-32. https://doi.org/10.1016/S0301-
7036(13)71900-X
Mankiw, G. (2020). Principios de economía. (8.ª ed.). Cengage Learning.
Organización Internacional del Cacao. (2022). Cocoa market report: December.
https://www.icco.org/statistics/
REFERENCIAS
Akhter, S., McDonald, M. A., & Marriott, R. (2016). Mangifera sylvatica (Wild Mango): A new
cocoa butter alternative. Scientific Reports, 6, 1–9. https://doi.org/10.1038/srep32050
Alejos, L. del C., & Ríos, A. (2019). Competitividad y factores que influyen en las exportaciones
de cacao del Perú. http://hdl.handle.net/10757/625705
Alori, A. D., & Kutu, A. A. (2019). Export function of cocoa production, exchange rate volatility
and prices in Nigeria. Journal of Economics and Behavioral Studies.
https://doi.org/10.22610/jebs.v11i2(j).2813
Banco Mundial (2025). Exportaciones de bienes y servicios (% del PIB).
https://datos.bancomundial.org/indicador/NE.EXP.GNFS.ZS?end=2024&start=2024&vie
w=map
Buisán, A., Caballero, J.C. y Jiménez, N. (2004). Determinación de las exportaciones de
manufacturas en los países de la UEM a partir de un modelo de oferta-demanda,
Documentos de Trabajo, n.º 0406, Banco de España.
Díaz, J., Varela, E., & Gil, J. M. (2018). Livelihood strategies of cacao producers in Peru. Journal
of Rural Studies, 63, 141–156. https://doi.org/10.1016/j.jrurstud.2018.08.004
Gobierno Regional de Ucayali. (2024). Lanzamiento oficial del Procompite 2024 para financiar
cadenas productivas. https://www.gob.pe/institucion/regionucayali/noticias/1062341-
ministro-gonzalez-y-gobernador-gambini-encabezan-lanzamiento-oficial-del-procompite-
2024-para-financiar-30-cadenas-productivas
Goldstein, M., & Khan, M. S. (1978). The Supply and Demand for Exports: A Simultaneous
Approach. The Review of Economics and Statistics, 60(2), 275–286.
https://doi.org/10.2307/1924981
Higuchi, A., & Rubiños, C. (2021). Comercio justo en el contexto del cacao peruano: El caso
Acopagro. https://ciup.up.edu.pe/analisis/comercio-justo-en-el-contexto-del-cacao-
peruano-caso-acopagro/
Krugman, P., Obstfelt, M., & Melitz, M. (2016). Economía internacional Teoría y política. (10.ª
ed.). Pearson.
Mántey, G. (2013). ¿Conviene flexibilizar el tipo de cambio para mejorar la competitividad?
Revista Problemas del Desarrollo, 44(175), 9-32. https://doi.org/10.1016/S0301-
7036(13)71900-X
Mankiw, G. (2020). Principios de economía. (8.ª ed.). Cengage Learning.
Organización Internacional del Cacao. (2022). Cocoa market report: December.
https://www.icco.org/statistics/
Vol. 13/ Núm. 2 2026 pág. 1104
Organización Internacional del Cacao. (2024). Supply & demand. ICCO Quarterly Bulletin of
Cocoa Statistics, L(4). https://www.icco.org/wp-content/uploads/Supply-Demand_QBCS-
L-No.-4.pdf
PromPerú. (2018). El cacao peruano es admirado en el mundo. https://peru.info/es-
pe/gastronomia/noticias/2/12/el-cacao-peruano-es-admirado-en-el-mundo
Ricardo, D. (1817). Principios de Economía Política y Tributación (01 ed.).
https://www.academia.edu/79787100/Principios_de_Economía_Política_y_Tributación_
David_Ricardo
Rocha, M., & Tafur, V. (2018). Factores Claves para la Exportación de Cacao Organico por Parte
de los Pequeños Productores en la Provincia de Marañón-Huanuco.
https://repositorio.usmp.edu.pe/handle/20.500.12727/3892
Sanjuán-López, A. I., & Dawson, P. J. (2010). Agricultural exports and economic growth in
developing countries: A panel cointegration approach. Journal of Agricultural Economics,
61(3), 565-583. https://doi.org/10.1111/j.1477-9552.2010.00257.x
Villacis, A. H., Alwang, J., Barrera, V. H., & Domínguez, J. (2022). Precios, variedades
especiales y prácticas poscosecha en la cadena del cacao.
https://onlinelibrary.wiley.com/doi/pdf/10.1002/agr.21730
World Cocoa Foundation. (2025). Convocatoria para generar impacto.
https://worldcocoafoundation.org/our-approach
Organización Internacional del Cacao. (2024). Supply & demand. ICCO Quarterly Bulletin of
Cocoa Statistics, L(4). https://www.icco.org/wp-content/uploads/Supply-Demand_QBCS-
L-No.-4.pdf
PromPerú. (2018). El cacao peruano es admirado en el mundo. https://peru.info/es-
pe/gastronomia/noticias/2/12/el-cacao-peruano-es-admirado-en-el-mundo
Ricardo, D. (1817). Principios de Economía Política y Tributación (01 ed.).
https://www.academia.edu/79787100/Principios_de_Economía_Política_y_Tributación_
David_Ricardo
Rocha, M., & Tafur, V. (2018). Factores Claves para la Exportación de Cacao Organico por Parte
de los Pequeños Productores en la Provincia de Marañón-Huanuco.
https://repositorio.usmp.edu.pe/handle/20.500.12727/3892
Sanjuán-López, A. I., & Dawson, P. J. (2010). Agricultural exports and economic growth in
developing countries: A panel cointegration approach. Journal of Agricultural Economics,
61(3), 565-583. https://doi.org/10.1111/j.1477-9552.2010.00257.x
Villacis, A. H., Alwang, J., Barrera, V. H., & Domínguez, J. (2022). Precios, variedades
especiales y prácticas poscosecha en la cadena del cacao.
https://onlinelibrary.wiley.com/doi/pdf/10.1002/agr.21730
World Cocoa Foundation. (2025). Convocatoria para generar impacto.
https://worldcocoafoundation.org/our-approach