Metodología de estimación del ISAE (Indicador Sintético de la Actividad Económica)

Metodología de estimación del Indicador
Sintético de la Actividad Económica
de la provincia de La Pampa
Versión preliminar
1
Resumen
El ISAE se basa en la metodología propuesta por Stock y Watson que plantea un modelo
probabilístico de espacio de estados para estimar los movimientos de una variable no
observable, denominada “el estado del economía”, a partir de los movimientos de un
conjunto de variables coincidentes observables. La estimación de los parámetros del
modelo se realiza mediante el filtro de Kalman. Para la elaboración del indicador se
estimaron varios modelos, entre los cuales se eligió el que mejor describe la coyuntura
económica pampeana. Es un indicador trimestral y el período de análisis comprendió
desde el año 2001 hasta mediados de 2013, aunque los resultados se presenten desde el
año 2006. Las series que forman parte del modelo son: consumo de combustibles,
consumo de energía productiva, faena de ganado bovino, producción de petróleo,
cantidad de empleos registrados, recursos reales de origen nacional y ventas reales de
alimentos y bebidas en supermercados.
2
Indice
I. Introducción
II. Información básica
III. Metodología de estimación (Breve resumen)
IV. Presentación de resultados
Bibliografía
3
I. Introducción
El objetivo principal de este trabajo es el de ofrecer un indicador económico de coyuntura
elaborado sobre la base de datos de un conjunto mínimo de variables que determinen el
estado y el rumbo de la economía local.
La incorporación de series económicas utilizadas a tal efecto comprendieron 2
ejes importantes, por un lado, que reflejaran los sectores económicos relevantes del
entramado productivo pampeano y, por otro lado, la rapidez de compilación de los datos,
es decir, que la recolección y elaboración de la información para la estimación no debería
revestir mayor complejidad. En el capítulo II, se presenta una amplia base de datos con
todas las series económicas analizadas con el objetivo de seleccionar aquellas de interés
estadístico.
El Indicador Sintético de la Actividad Económica de (ISAE) podría evaluarse
como orientador de tendencia; muy positiva, positiva, nula, negativa o muy negativa para
evaluar el ritmo de crecimiento/decrecimiento de la economía local. La mayor fortaleza
es la capacidad predictiva de los vaivenes de la actividad económica presente y futura,
además de aportar información específica para
y para el resto del país mediante
definiciones homogéneas.
El método de trabajo se concreta en el marco del diseño de un sistema de
información ordenado y coherente orientado a satisfacer requerimientos múltiples.
También se puso énfasis en presentar la información de modo fácil y accesible y dotar a
los usuarios de materiales y procedimientos de consulta amigables.
En el capítulo III se desarrolla la metodología de estimación del modelo que se
basa en la hipótesis de que los comovimientos observados en las variables indicadoras
son capturados por una única variable no observable, común a todas, denominada “estado
de la economía”. Siguiendo al modelo probabilístico diseñado por Stock y Watson, cada
serie incorporada al modelo, habiéndose comprobado su comportamiento “coincidente”,
tiene un componente atribuible a la variable no observada o uno particular o
idiosincrático, en consecuencia, el problema consiste en estimar el elemento común de su
desempeño en el tiempo.
En el capítulo IV se muestran los resultados obtenidos a partir del año 2006 y la
última actualización correspondió al segundo trimestre del año 2013. Cabe señalar que las
investigaciones se realizaron de manera conjunta entre los técnicos de la Oficina de la
CEPAL en Buenos Aires con los de la Dirección General de Estadística y Censos y la
4
Universidad Nacional de La Pampa. Asimismo, las tareas estuvieron enfocadas, a través
de todo el desarrollo, en la validez de los métodos para una mayor confiabilidad. Por esta
razón, la totalidad de las series están disponibles en fuentes locales, como es el caso del
Índice Autoponderado de Precios al Consumidor de (IPC).
5
II. Información
básica
La elaboración de datos útiles para el análisis y, eventualmente, para el
pronóstico de la evolución económica, implica un doble problema. En primer lugar, hace
falta disponer de datos básicos adecuados en cuanto a su cobertura y confiabilidad. A
menudo, las insuficiencias en las estadísticas básicas limitan las posibilidades de
descripción, especialmente cuando se trata de reflejar con rapidez los cambios que van
ocurriendo en la economía.
Si bien esto parece claro, hay también un problema simétrico. En el límite, se
puede imaginar un caso hipotético en el que existiera un registro completo y sistemático
de cada intercambio: esa información, en su estado bruto, sería probablemente
inmanejable y, por lo tanto, de poco valor. Sin llegar a ese extremo, la información
generada regularmente por estadísticas de diversas fuentes y (desde el punto de vista de
los agentes económicos) aquella que se deriva de las transacciones realizadas u
observadas, forma sin duda un conjunto de gran complejidad, cuya interpretación no es de
ningún modo trivial. La acumulación de datos no agrega significado de por sí: es
necesario organizarlos de alguna forma y reducir la dimensión del conjunto de variables
para que su observación sea instructiva.
En ese sentido, la recopilación de series estadísticas relacionadas con la economía
de la provincia de La Pampa significó un enorme esfuerzo de trabajo debido a dos
motivos excluyentes: por un lado, que tuvieran una cobertura en el tiempo por un lapso
mínimo no menor a los 10 años, y por otro lado, tuvieran una periodicidad mínimamente
trimestral.
La cantidad de series incorporadas al análisis comprendieron poco menos de 50,
como se puede apreciar en el cuadro 1, a continuación. Para la selección de la muestra se
mantuvo un criterio único de recolección, es decir, se confeccionó una base de datos lo
más amplia posible con una doble intención, que sirvieran de “input” para la confección
del modelo que muestra el desempeño de la actividad de coyuntura económica de la
provincia y con la intención de mejorar las estadísticas que dispone la Dirección General
de Estadística y la Secretaría de Producción de La Pampa. Cabe destacar que no se
elaboraron series nuevas sino que sólo se dispusieron las vigentes al momento de la
estimación del indicador sintético de actividad económica de la provincia.
6
Cuadro 1. Compilación de series económicas relacionadas con la provincia . Base de
datos para la selección de series coincidentes
Nº de Serie
Nombre de la
serie
Descripción
Unidades de
Medida
Proceden
cia (local
o
nacional)
Fuente
1
Energía Industrial
Consumo de Energía en Industrias (Inc. G.U.)
KWh
Local
A.P.E.
2
Energía Comercial
Consumo de Energía en Comercios (Inc. G.U.)
KWh
Local
A.P.E.
3
Energía Comercial
Consumo de Energía en Comercios (Sin G.U.)
KWh
Local
A.P.E.
4
Energía Productiva
Consumo de Energía Total menos Consumo de
Energía para Alumbrado Público, para el Sector
Público, Asociaciones sin Fines de Lucro y
Residencias.
KWh
Local
A.P.E.
5
Energía
Consumo de Energía en Residencias
KWh
Local
A.P.E.
Residencial
6
Energía Rural
Consumo de Energía en Zonas Rurales
KWh
Local
A.P.E.
7
Energía Grandes
Usuarios
Consumo de Energía de Grandes Usuarios
KWh
Local
A.P.E.
8
Energía Total
Consumo de Energía Total
KWh
Local
A.P.E.
9
Gas Industrial
Consumo de Gas entregado a Industrias
Mm3/9300cal
Nacional
ENARGAS
10
G.N.C.
Consumo de Gas Natural Comprimido
Mm3/9300cal
Nacional
ENARGAS
11
Gas Total
Consumo Total de Gas Natural
Mm3/9300cal
Nacional
ENARGAS
12
Producción de Gas
Producción de Gas Natural
Mm3
Nacional
Sec. Energía
13
Producción de Gas
Producción de Gas Natural
Mm3
Local
Dir. Minería
14
Producción de
Petróleo
Producción de Petróleo
Mm3
Nacional
Sec. Energía
16
Gas Oil
Consumo de Gas Oil
Mm3
Nacional
Sec.
Energía
17
Naftas
Consumo de Naftas
Mm3
Nacional
Sec.
Energía
18
Combustibles
Consumo de Naftas + Gas Oil
Mm3
Nacional
Sec.
Energía
19
Patentamiento
Unidades Patentadas
Unidades
Nacional
D.N.R.P.A.
20
Patentamiento
Unidades Patentadas
Unidades
Local
D.G.R.
21
Cemento
Despachos de Cemento Portland
Toneladas
Nacional
I.E.R.I.C.
22
Permisos de
construcción
Solicitudes de Permisos de construcción
Cantidad
Local
D.G.E. y C.
/ I.N.D.E.C.
23
Permisos de
construcción
Solicitudes de Permisos de construcción
m2
Local
D.G.E. y C.
/ I.N.D.E.C.
24
R.O.N.
Recursos de Origen Nacional recibidos por
el Gobierno Provincial
Pesos
Reales
Nacional
D.N.C.F.P.
7
25
Coparticipación
Recursos Coparticipables recibidos por el
Gobierno Provincial
Pesos
Reales
Nacional
D.N.C.F.P.
26
IVA-IGA
Recursos recibidos por el Gobierno
Provincial provenientes de la
coparticipación del IVA e Impuesto a las
Ganancias.
Pesos
Reales
Nacional
D.N.C.F.P.
27
Otros
Recursos recibidos por el Gobierno
Provincial provenientes del resto de los
tributos coparticipables
Pesos
Reales
Nacional
D.N.C.F.P.
28
Ventas
Alimentos y
Bebidas
Ventas en supermercados de alimentos y
bebidas
Pesos
Reales
Local
D.G.E. y C.
/ I.N.D.E.C.
29
Ventas de Otros
Productos
Ventas en supermercados de otros
productos
Pesos
Reales
Local
D.G.E. y C.
/ I.N.D.E.C.
30
Ventas Totales
Ventas Totales en supermercados
Pesos
Reales
Local
D.G.E. y C.
/ I.N.D.E.C.
31
Cantidad de
Ventas
Cantidad de operaciones en
supermercados
Unidades
Local
D.G.E. y C.
/ I.N.D.E.C.
32
Faena de
Machos
Faena Bovina de Novillos y Novillitos
Cabezas
Local
D.G.E. y C.
33
Faena de
Hembras
Faena Bovina de Novillos y Novillitos
Cabezas
Local
D.G.E. y C.
34
Faena de
Terneros/as
Faena Bovina de Terneros y Terneros
Cabezas
Local
D.G.E. y C.
35
Faena Bovina
Total
Faena Bovina de todas las categorías
Cabezas
Local
D.G.E. y C.
36
Faena Porcina
Faena Porcina de todas las categorías
Cabezas
Local
D.G.E. y C.
37
Faena Ovina
Faena Ovina de todas las categorías
Cabezas
Local
D.G.E. y C.
38
Faena Ovina y
Porcina
Faena Ovina y Porcina de todas las
categorías
Cabezas
Local
D.G.E. y C.
39
Sales
Extracción de sales
Miles de
Toneladas
Local
Dir. Minería
40
Materiales
Extracción de materiales de construcción
Miles de
Toneladas
Local
Dir. Minería
41
Otros
Extracción de otros minerales
Miles de
Toneladas
Local
Dir. Minería
42
Tasa de
Desempleo
Tasa de Desempleo
%
Nacional
I.N.D.E.C.
43
Tasa de
Actividad
Tasa de Actividad
%
Nacional
I.N.D.E.C.
44
Empleo Privado
Empleo Privado Registrado
Personas
Nacional
I.N.D.E.C.
45
Remuneración
Bruta
Remuneración Bruta del Sector Privado
Registrado
Pesos
Reales
Nacional
I.N.D.E.C.
46
Remuneración
Neta
Remuneración Neta del Sector Privado
Registrado
Pesos
Reales
Nacional
I.N.D.E.C.
Fuente: Dirección Provincial de Estadística y Censos.
Una serie es un indicador por su conexión con una variable determinada, que
puede no responder a un concepto definido rigurosamente, pero a la que se le asigna una
interpretación por sí misma. En muchas oportunidades, sin embargo, los indicadores
8
están construidos en función de las relaciones que pueden tener entre sí: una serie se
incluye a fin de asociarla con otras. Por las mismas características de los indicadores,
estas relaciones no se establecen explícitamente, ni surgen de un argumento formal. Este
doble carácter, puramente descriptivo, por un lado y analítico (o, al menos, orientado
hacia un uso analítico), por otro, plantea de nuevo el tema de la selección y a
interpretación de los indicadores.
La importancia del indicador sintético radica en la prontitud de los resultados
para el análisis y el pronóstico. Dado lo laborioso y complejo que resulta el cálculo del
producto bruto, por la minuciosidad de la información que se compila, el indicador de
coyuntura es una herramienta importante para describir el momento actual y efectuar
proyecciones para escenarios futuros de la actividad. Como no mide de ninguna manera
el nivel, las variaciones hacia arriba o hacia abajo predeterminan los cambios en el ciclo
económico, también el valor absoluto indica el ritmo de crecimiento/decrecimiento de la
economía, pudiéndose establecer aceleraciones o desaceleraciones sin ambiguedad.
9
III. Metodología de estimación (Breve resumen)
El ISAE se fundamenta en la metodología propuesta por Stock y Watson la cual
se basa principalmente en la hipótesis de que los comovimientos observados en las series
indicadoras son capturados por una única variable no obserbable, común a todas,
denominada “el estado de la economía”. Es decir, se supone que cada serie coincidente
tiene un componente atribuible a la variable única no observada y un componente
particular o idiosincrático. El modelo encuentra el elemento común en las fluctuaciones
de las series de tiempo. Es un modelo probabilístico que se puede utilizar para estimar un
proceso latente y utilizar esta estimación como indicador agregado coincidente de la
actividad económica.
Para la construcción del modelo se parte de la existencia de un conjunto de
variables económicas observadas a lo largo del tiempo, que se supone están relacionadas
contemporáneamente con las condiciones generales de la economía. A partir de ellas se
define el vector x t = (x1t ,K , xGt )´ , de dimensión G x 1. En el modelo de Stock y
Watson se supone que las variables del vector: x t = (x1t ,K , xGt )´ tienen dos
componentes estocásticos: un componente latente que es común a las G series
económicas observadas: c t , denominado el “estado de la economía”, y otro componente
ν it que conforman el vector ν t , de dimensión G x 1, que representa la porción
idiosincrática de cada serie coincidente observada. Ambos componentes son modelados
con estructuras estocásticas lineales.
Las ecuaciones que describen el modelo propuesto son las siguientes:
x t = β + γ (L )c t + ν t ,
(1.1)
~ (L )ν = ε ,
D
t
t
(1.2)
φ~(L)c t = δ + ηt ,
(1.3)
para todo t = 1, 2, …, T, siendo T la cantidad de observaciones disponibles. El símbolo L
es el operador de rezago, esto es: Lk x t = x t −k . El vector ν t consiste de G procesos
autorregresivos mutuamente no correlacionados, estacionarios y con media cero. El
vector εt , de dimensión G x 1, y el escalar ηt se suponen no correlacionados con media
~ (L )
cero y matriz de variancias y covariancias Σ de rango (G + 1) x (G + 1). La matriz D
es diagonal, de rango G x G, de manera que los elementos de ν t en las diferentes
ecuaciones de (1.2) son contemporáneos y no están correlacionados.
Los parámetros del modelo pueden ser expresados de la siguiente forma:
γ (L ) = [γ1 (L ),γ 2 (L ),K , γ G (L )]´ ,
(1.4a)
donde γ g (L ) = γ g 0 + γ g1L + γ g 2 L2 + K , g = 1, …, G
(1.4b)
10
~(L) = diag [d~ (L), d~ (L),K , d~ (L)] ´ ,
D
1
2
G
(1.5a)
donde d~g (L) = 1 - d~g1L - d~g2 L2 - K , g = 1, …, G
(1.5b)
φ~(L) = 1 - φ~1L - φ~2 L2 - K ,
([
Σ = cov ε´t ,ηt
]) = diag [σ
´
(1.6)
2 2
2
2
1 , σ 2 , K , σ G , ση
].
(1.7)
La ecuación (1.1) describe el hecho de que una variable coincidente observable
x it es una transformación lineal de una tendencia estocástica común a todas las series,
c t , perturbada aleatoriamente por un ruido intrínseco a ella ν it . Esto implica que las
variables x1t ,K , x Gt son cointegradas de orden (G-1) (Engle, Granger 1987). Sin
embargo, en la aplicación práctica podría ocurrir que si bien las series contienen
individualmente una tendencia estocástica, es decir son integradas de orden uno (Dickey,
Fuller 1979), no se verifica la cointegración entre las mismas. Entonces el sistema de
ecuaciones (1.1)-(1.3) se reformula en términos de cambios (más precisamente, tasas de
~ (L ) y φ~(L) se pueden descomponer en
crecimiento) de las variables. Se supone que D
~ (L ) = D( L ) Δ y φ~(L ) = φ (L)∆ , donde Δ = 1 − L . Entonces
factores de manera que D
∆x t = x t - x t -1 y μ t = Δ ν t y el modelo (1.1)-(1.3) queda reexpresado como:
Δxt
= β + γ (L )Δct + μt ,
D (L )μt = εt ,
φ (L )Δct = δ + ηt .
(1.8)
(1.9)
(1.10)
Estas ecuaciones (1.8)-(1.10) conforman un modelo dinámico, donde el
crecimiento del estado de la economía no observado, Δc t , representa el comovimiento
común en el crecimiento de las variables coincidentes, Δx t ; y los residuos
autorregresivos μt constituyen la porción idiosincrática de cada serie coincidente
observada.
También el modelo (1.8)-(1.10) puede interpretarse como una versión del modelo
de análisis factorial dinámico para series de tiempo, donde la diferencia de orden uno del
estado no observado Δc t , representa el factor común único no observable entre las
variables Δx t . Los componentes μt de las series observadas comprenden los
componentes propios de cada serie, es decir captan todos los movimientos de Δx t que no
están asociados con Δc t . Si las variables económicas Xit se mueven conjuntamente con
11
la economía, entonces su componente común se puede interpretar como el estado actual
de la economía, y puede plantearse como un indicador agregado coincidente de la
actividad económica.
La dinámica del modelo se expresa por la ecuación (1.10), denominada “ecuación
de estado” o “ecuación de transición”, ella modela el crecimiento del estado de la
economía como un proceso autorregresivo estacionario. La estacionariedad está
asegurada porque las series que componen Δx t son estacionarias por construcción. Se
supone que el estado de la economía evoluciona por la acumulación de shocks, η t . Cada
uno de los shocks afecta el crecimiento de la economía en el período actual y el
crecimiento futuro a través del proceso autorregresivo. La estructura autorregresiva
permite que las tasas de crecimiento o decrecimiento persistan durante un tiempo,
generando así los ciclos económicos.
El crecimiento en el estado de la economía se describe en este modelo por la
evolución de las variables observables, a través de la ecuación (1.8), también conocida
como la “ecuación de medida". Las series de las variables coincidentes pueden
evolucionar contemporáneamente con el estado de la economía, o adelantarse o
retrasarse, dependiendo de los parámetros γ (L ) , conocidos como factor loadings, en la
ecuación (1.8).
Los factores propios de cada variable o componentes idiosincráticos, μt , en la
ecuación de medida son estacionarios, con media igual a cero, y siguen un proceso
autorregresivo, que se expresa en la ecuación (1.9). Como Δx t y Δc t son estacionarias,
la estacionariedad queda asegurada. Se supone que estos factores están mutuamente no
correlacionados, siendo ésta otra forma de estipular que hay un único factor común entre
los indicadores. Mediante un contraste de especificación se verifica este supuesto del
modelo.
En el modelo de Stock y Watson las variables observadas se expresan como
desviaciones respecto de sus valores medios, al igual que en el modelo de análisis
factorial, es decir que primero se calcula la diferencia de orden uno de cada una de las
variables coincidentes (se debe tener en cuenta que se trabaja con el logaritmo de las
series) y luego las variables son estandarizadas restando su diferencia promedio y
dividiendo por la desviación estándar de sus diferencias1. Esta restricción elimina la
necesidad de incluir constantes en las ecuaciones (1.8) y (1.10), y así el procedimiento
1
12
proporciona una estimación de la diferencia estandarizada del logaritmo del factor
dinámico latente.
El indicador agregado coincidente se obtiene fijando la variable estado estimada
igual a 100, para un cierto período de tiempo que se toma como de referencia para el
indicador compuesto. Los cambios mensuales del indicador agregado quedan
determinados al estimar Δc t y su tendencia es una media ponderada de las tendencias de
las variables observadas, con ponderaciones proporcionales a las contribuciones de los
indicadores coincidentes en el filtro o suavizado de Kalman. Esto significa que la
importancia relativa de los indicadores en el indicador agregado está basada en la
contribución de cada uno de ellos al cambio mensual en el estado de la economía.
La estimación de los parámetros del modelo propuesto se realiza mediante el
filtro de Kalman. El filtro es un procedimiento recursivo para calcular el estimador
óptimo del vector de estado en t, utilizando la información disponible hasta ese momento.
La principal característica del filtro de Kalman es que permite que la estimación del
vector de espacio de estados sea actualizada a medida que se dispone de nuevas
observaciones.
El modelo comprende un indicador agregado coincidente que se obtiene fijando
la variable estado estimada en el año base considerada, en este caso 2004. Por su parte la
tendencia del indicador agregado es una media ponderada de las tendencias de las
variables observadas.
La importancia relativa de las series económicas coincidentes seleccionadas en el
indicador agregado, está basada en la contribución de cada una al cambio trimestral del
estado de la economía.
13
IV. Presentación
de resultados
El ISAE mostró un crecimiento moderado a lo largo del año 2013, con una variación
relativa de alrededor del 2,8% en el primer semestre (respecto de igual período del año
anterior).
Esta evolución se explica a partir del arrastre de lo acontecido en 2012, cuando la
actividad económica provincial se desaceleró a poco más del 2% anual, luego de un
bienio (2010-2011) con variaciones porcentuales que oscilaron el 7% anual. Ambos
modelos, con y sin petróleo, evidenciaron un desempeño similar (cuadro 2).
El impacto de las series económicas coincidentes a junio de 2013 involucraron al
consumo de energía productiva como el de mayor incidencia relativa con alrededor del
37% del total (en ambos modelos), mientras que los RON contribuyeron con casi el 24%
(modelo sin petróleo) y poco más del 21% el modelo con petróleo. Le siguió en
importancia el consumo de combustibles con más del 19% del total en relación al modelo
sin petróleo y de cerca del 15% cuando se incorpora la producción petrolera. Es que esta
última, contribuye con el 6% al modelo que la incluye, es decir, la pérdida de
ponderación de combustibles en este modelo es de esta manera compensada.
Las ventas reales de alimentos y bebidas en supermercados contribuyeron con
cerca del 14%, mientras que el empleo registrado privado y la faena de bovinos
contribuyeron alrededor del 5% y 1% respectivamente.
Cuadro 2. Tasa de variaciones anual y trimestral del ISAE
porcentajes.
Años
2006
2007
2008
2009
2010
2011
2012
ISAE LP
8,2
7,7
5,4
(3,2)
7,2
7,4
2,2
2013*
I-13
II-13
2,8
1,6
3,5
sin y con petróleo en
ISAE LP+pet
8,6
7,6
5,6
(1,4)
6,1
7,2
2,2
* Acumulado a junio, datos sujetos a revisión
ISAE LP, modelo sin petróleo.
Fuente: Dirección General de Estadística y Censos de La Pampa.
14
Las series económicas coincidentes se comportaron de manera similar en la
primera mitad de 2013, excepto los RON que crecieron por encima de la media en dicho
lapso. En efecto, esta variable creció más de 12% y 18% en los primeros tres meses de
2013 y los siguientes tres meses con respecto a idéntico período del año previo,
continuando de esta manera el mismo ritmo de la última parte del año 2012.
Por su parte, el empleo privado registrado mostró sendos crecimientos
(superiores al 2%) durante los dos primeros trimestres, en consonancia con el consumo de
energía productiva, cuyo incremento fue del 1,5% y 0,7% en el mismo lapso de análisis.
El consumo de combustibles, la faena bovina y las ventas reales de supermercado
tuvieron un desempeño similar, durante el primer trimestre decrecieron y luego se
condujeron positivamente.
Por último, la producción petrolera verificó una fuerte aceleración hacia la mitad
del año con tasas cercanas al 6% anual (Anexo).
15
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
- índice base 2004=100
120
100
80
- índice base 2004=100
130
120
110
100
90
- índice base 2004=100
110
100
90
- índice base 2004=100
120
60
40
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
- índice base 2004=100
130
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
- índice base 2004=100
Empleo privado registrado
160
160
150
150
140
140
80
80
70
70
60
60
160
Consumo de combustibles
140
80
60
Faena bovina
160
140
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
I-01
II
III
IV
I-02
II
III
IV
I-03
II
III
IV
I-04
II
III
IV
I-05
II
III
IV
I-06
II
III
IV
I-07
II
III
IV
I-08
II
III
IV
I-09
II
III
IV
I-10
II
III
IV
I-11
II
III
IV
I-12
II
III
IV
I-13
II
- índice base 2004=100
ANEXO
Consumo de energía productiva
130
120
110
100
90
300
Recursos de origen nacional reales tranferidos a la provincia
150
250
200
150
100
70
50
0
Ventas reales en supermercados de alimentos y bebidas
250
200
150
100
50
0
300
Producción de petróleo
250
200
150
100
50
0
16
Bibliografía utilizada y de consulta
Burns, A. F.; Mitchell, W. C. (1946), Measuring Business Cycles, NBER, New York.
Dickey, D.A.; Fuller, W.A. (1979), “Distribution of the estimators for Autoregressive
Time Series with a unit root”, Journal of the American Statistical Society, 74, nº.
366, 437-431.
Dirección Nacional de Cuentas Nacionales (2002), “Sistema de Cuentas Nacionales
Argentinas. Estimador Mensual de Actividad Económica: Fuentes de Información
y
Métodos
de
Estimación.
Octubre
2002”.
Disponible
en:
http://www.mecon.gov.ar/peconomica/estimador_mensual/intro.htm
Engle, R. F.; Granger, C.W.J. (1987), “Co-integration and Error Correction:
Representation, Estimation and Testing”, Econometrica, 55, 251-276.
Jorrat, J. M.; Sal Paz, L.; Catalán, M. J. (2002), “Ajuste Estacional de las Series
Económicas de Argentina”. Anales XXXVII Reunión Anual Asociación
Argentina de Economía Política. En página web www.aaep.org.ar.
Jorrat, J. (2003), “Indicador Económico Regional: El Índice Mensual de Actividad
Económica de Tucumán (IMAT)”. Anales XXXVIII Reunión Anual Asociación
Argentina de Economía Política. En página web www.aaep.org.ar.
Stock, J. H.; Watson, M. W. (1988), “A probability model of the coincident economic
indicators”, NBER, Working Paper n°. 2772.
Stock, J. H.; Watson, M. W. (1989), “New indexes of coincident and leading economic
indicators”, NBER Macroeconomics Annual, 351–394.
Stock, J. H.; Watson, M. W. (1999), “Business cycle fluctuations in US macroeconomic
time series”, NBER, Working Paper n°. 6528.
Universidad Torcuato di Tella, Centro de Investigación en Finanzas y Mercado de
Capitales. (1999), “Indicador Líder del Nivel de Actividad Económica.
Descripción de la Metodología”.
U.S. Census Bureau. (2002), X-12-ARIMA Reference Manual, version 0.2.10. Time
Series Staff, Statistical Research Division.
17