Modelización econométrica del efecto de las crisis en Latinoamérica

Modelización econométrica del efecto
de las crisis en Latinoamérica
Lic. Mónica Iris CALDERÓN
Directora Ingreso FCE - UNCuyo
Prof. Adjunta “Econometría”
Mariela Alejandra RIOS ROLLA
Ayudante Ad Honoren “Econometría”
I.
Introducción
Una de la hipótesis surgidas a partir de las recientes crisis en mercados financieros ha traído
a la luz la importancia del manejo de la deuda y de la liquidez para prevenir crisis externas o
amortiguar los efectos adversos que las mismas provocan. Se intenta averiguar por qué
algunas economías han sido azotadas por dichos desequilibrios y otras no. La pregunta es,
entonces, si existe algún “fundamento o condición” que permita explicar los efectos de las
crisis financieras a través de los países o, si sólo reflejan un efecto contagio.
Teniendo presente que no existen indicadores perfectos, el objetivo de la investigación es
buscar aquellos que sean fuertes y relativamente fáciles de interpretar. El trabajo estudia el
comportamiento de doce economías de América Latina1, comúnmente denominadas
“economías emergentes”, para el período 1985-2002, en un modelo de datos de panel que
combina observaciones de series de tiempo y de corte transversal.
El análisis se focalizará en interpretaciones sobre el papel que tuvieron las distintas
variables en el desarrollo de los sucesivos shocks económicos y financieros2 que afectaron a
la región. Las principales variables propuestas están relacionadas con el excesivo
endeudamiento, las reservas internacionales, los saldos de cuentas corrientes, el tipo de
cambio real y un índice que capture las crisis sufridas por parte de los países.
El presente trabajo comprueba empíricamente que no existen diferencias importantes por
países ni tampoco surgen distinciones por año. Esto permite concluir que los países de la
región se comportan en “bloque”, resultando similarmente vulnerables al efecto de los
desequilibrios externos sin importar demasiado cuán preparados estén para hacer frente a
los mismos. Probablemente esto se debió a que las crisis se sucedieron unas a otras sin
darle tiempo a los países a tomar medidas de política preventivas. No obstante, aplicaron
políticas fiscales y monetarias más restrictivas para hacer frente a estos shocks adversos,
pasando a tener mayor importancia, como objetivo de política económica, la reducción de la
vulnerabilidad externa.
II.
Contexto histórico para América Latina
A lo largo de estos casi 20 años, las exiguas tasas de crecimiento, los altos niveles de
inflación (en algunos casos, con inflaciones que superan los tres dígitos) y los enormes
niveles de endeudamiento, evidencian la escasa capacidad de las economías
latinoamericanas para lograr un crecimiento sostenido, mantener la estabilidad y reducir la
1
Los países son: Argentina, Brasil, Bolivia, Chile, Colombia, Ecuador, México, Panamá, Paraguay, Perú,
Uruguay y Venezuela.
2
Algunas de ellas son: crisis de la deuda (externa) y procesos hiperinflacionarios (década del 80); crisis del
Tequila (diciembre 1994); crisis asiática (junio 1997); crisis rusa (1998); crisis energética y devaluación en Brasil
(1999); mejora en la economía mundial (2000); caída del precio internacional del petróleo y del precio de los
bienes exportables (2001); caída en la economía mundial (2001) y crisis argentina (2001).
1
vulnerabilidad externa. Se presentan algunos datos resumiendo las tasas de inflación y de
crecimiento en las Tablas 1 y 2.
Sin duda el problema más grave en los ochenta fue la deuda externa, que estalló en 1982
cuando México declaró su moratoria para el pago de la misma y dio origen a una situación
en la cuál los fondos se hicieron escasos y, por ende, se encareció el costo del
endeudamiento, condicionando a las políticas económicas de los países de la región. La
obligación de servir sus enormes deudas externas, sin la posibilidad de acceder a nuevos
préstamos, se transformó en la necesidad de generar un superávit comercial, ya sea por
aumento de las exportaciones y/o reducción de las importaciones. El inconveniente era que
si se restringían las importaciones de insumos y bienes de capital, se resentiría el nivel de
actividad. Por otro lado, generar dicho superávit implicaba gastar menos de lo que se
producía, y si el producto no crecía, el ajuste debía venir por el lado de los gastos,
reduciendo tanto el consumo como la inversión, ajuste un tanto desagradable.
Tabla 1
Tasas de inflación
1984-1988
1989-1990
1991-2002
América Latina Argentina
383%
309%
891%
2697%
55%
20%
Brasil
308%
2189%
459%
Chile
21%
22%
8%
México
97%
23%
17%
Fuente: Elaboración propia en base a datos del FMI.
Tabla 2
Tasas de crecimiento
1984-1989
1990-1999
2000-2002
1984-2002
América Latina Argentina
2,4%
-1,1%
2,7%
4,2%
1,2%
-5,4%
2,4%
1,2%
Brasil
4,4%
1,8%
2,2%
Chile
6,5%
5,9%
3,4%
México
1,3%
3,4%
2,5%
2,6%
5,6%
2,7%
Fuente: Elaboración propia en base a datos de la CEPAL.
El mayor endeudamiento correspondía al Sector Público, estando obligado éste a generar
un superávit fiscal primario para honrar la deuda. Por el lado de los gastos, se podía recortar
por varios lados, pero en todos los casos era doloroso, se tratara de una reducción de
salarios y empleos públicos o de la inversión pública. Por el lado de los recursos, el
panorama era más complejo aún ya que la situación recesiva dificultaba cualquier intento de
mejorar la recaudación. En la mayoría de nuestros países, se recurrió al financiamiento con
dinero, provocando inflación y corridas hacia el dólar acrecentando aún más el servicio de la
deuda pública y, por ende, el déficit fiscal. Se convirtió en un círculo vicioso: ajuste externo,
retracción de la inversión, caídas del PBI per cápita, deterioro de la recaudación tributaria,
déficit públicos, inflación, fuga hacia el dólar, depreciación monetaria. Pero no hubo una
política tendiente a atacar el problema de fondo.
Hacia fines de los ochenta y principios de los noventa, una nueva corriente de corte liberal
fue introduciéndose en la región en pos de reformas económicas: privatización de empresas
públicas, apertura comercial y de capitales, desregulación de mercados, etc. Estas reformas
pro-mercado, junto con un contexto internacional favorable, permitieron una voluminosa
afluencia de capitales extranjeros a la región que permitió financiar los crecientes déficit en
cuenta corriente, al tiempo que permitió la acumulación de reservas. Asimismo, se sanearon
los sistemas financieros y se logró, en la mayoría de los casos, la tan ansiada estabilidad de
precios. En los noventa, el producto creció mucho más rápido que en la década anterior. Sin
embargo, las presiones inflacionarias y las restricciones del balance de pagos han frenado el
crecimiento, al obligar a los gobiernos a recurrir a las políticas fiscal y, sobre todo,
monetaria, con el objeto de evitar el recalentamiento de la economía. Nuevos problemas
2
azotan la región: desempleo y pobreza. Si bien el crecimiento es condición necesaria para
eliminar el desempleo, no es suficiente: debe acompañarse con políticas que permitan a los
trabajadores insertarse nuevamente en el mercado laboral. En algunos países, como Brasil
y Colombia, la causa de la desocupación es el lento incremento del producto. En otros,
como Argentina y Perú, la reestructuración derivada de las etapas iniciales del proceso de
reformas se ha convertido en la causa básica de las desmesuradas tasas de desempleo que
se han registrado.
En estos últimos años las fluctuaciones macroeconómicas en América Latina han sido más
frecuentes y de mayor magnitud que en otras regiones. La volatilidad ha repercutido
negativamente en los procesos de desarrollo de los países. Es por ello que uno de los
requisitos para aumentar la tasa de crecimiento de largo plazo, es reducir su volatilidad real.
Este podría ser objetivo de política económica estando asociado al concepto de histéresis,
entendido como la irreversibilidad producida por perturbaciones negativas.
En teoría, existen nexos de distinto signo entre la inestabilidad de corto plazo y el
crecimiento a largo plazo. Esta relación, en palabras de Martner3, puede ser positiva en el
marco de un proceso “schumpeteriano” de destrucción creativa, donde las recesiones son
un “mal necesario” que permite eliminar técnicas y actividades obsoletas y aumentar la
producción. Por el contrario, dos argumentos sustentan una relación negativa:
•
Por un lado, el impacto adverso que produce la incertidumbre sobre el gasto en
inversión privada. Una mayor volatilidad, que genera incertidumbre en la demanda
futura, puede producir reticencia en los agentes para llevar a cabo sus proyectos de
mediano plazo.
•
Por el otro, se relaciona con el concepto de “learning by doing”, en el cual, parte del
crecimiento de largo plazo se explica por la experiencia y el aprendizaje acumulado en
el trabajo. Por lo tanto, períodos prolongados de recesión y desempleo implican
episodios de desacumulación de capital físico y humano incidiendo fuertemente en el
crecimiento futuro.
Empíricamente, diversos autores han encontrado una importante relación negativa entre
volatilidad y crecimiento. Ramey y Ramey4 muestran que, para 92 países, una menor
desviación estándar del PBI se asocia con una mayor tasa de crecimiento promedio. Otros
autores han encontrado que la volatilidad se encuentra en segundo lugar entre los factores
determinantes del crecimiento, después del nivel inicial de PBI y por encima de la tasa de
inversión física.
Para el caso particular de América Latina, Gráfico 1, la evidencia empírica también parece
confirmar el vínculo negativo entre inestabilidad y crecimiento: las amplias fluctuaciones
macroeconómicas han llevado a un bajo crecimiento promedio (y con altibajos) en la
mayoría de las economías de la región. Los países con mayor crecimiento medio, como es
el caso de Chile, son los que también tienen menor desviación estándar. En el otro extremo,
Argentina, Venezuela y Uruguay, con menor crecimiento medio y mayor inestabilidad
macroeconómica.
3
MARTNER, Ricardo, “Política fiscal, ciclo y crecimiento”, Revista de la CEPAL Nº 64 (Santiago de Chile, Abril
1998), págs. 73-90.
4
RAMEY, G. y RAMEY, V., “Cross-country evidence on the link between volatility and growth”, en MARTNER,
Ricardo, “Política fiscal, ciclo y crecimiento”, Revista de la CEPAL Nº 64 (Santiago de Chile, Abril 1998), págs.
73-90.
3
Moguilansky5 muestra que los factores de variabilidad tienen importancia en la
determinación de la inversión privada en los países de Latinoamérica y, por ende, en el
crecimiento potencial de sus economías. Es razonable, entonces, suponer una relación
positiva entre crecimiento de largo plazo y estabilidad macroeconómica en los países
latinoamericanos y a eso debe apuntar la política económica.
Gráfico 1
Volatilididad y crecimiento
1984-2002
0.07
Perú
0.06
Volatilidad (desviación estándar)
Ecuador
Argentina
Venezuela
Uruguay
0.05
Panamá
0.04
México
Chile
Brasil
0.03
Colombia
Paraguay
0.02
Bolivia
0.01
0.00
0%
1%
2%
3%
Tasa de crecimiento promedio
4%
5%
6%
Fuente: Elaboración propia en base a datos de la CEPAL.
III.
Algunos conceptos asociados a la vulnerabilidad de los países
La deuda externa y las reservas afectan la vulnerabilidad externa del país a través del
impacto que tienen en la capacidad de hacerse cargo de sus obligaciones. Si no pueden
hacer frente a las mismas, tendrán problemas de liquidez o solvencia.
El término solvencia puede definirse como la capacidad del país de satisfacer el valor
presente de sus obligaciones con el exterior. La falta de solvencia lleva inevitablemente a
una crisis externa, dado que se retiran los acreedores extranjeros y los residentes
domésticos buscan refugiarse en activos externos. Es relativamente fácil, pero no ayuda
demasiado, definir la capacidad “teórica” de pago: los países son solventes cuando el valor
actual neto del pago de intereses no excede el valor presente de las exportaciones netas
(exportaciones menos importaciones). En la práctica, sin embargo, los países dejan de
honrar su deuda mucho antes de que la restricción sea alcanzada, en el punto en que
cumplir con ella se percibe como muy costoso en términos de los objetivos económicos y
sociales del país. Así, la restricción que deba tenerse en cuenta será aquella que refleje la
voluntad de pago y no tanto la capacidad de hacerlo.
Los problemas de solvencia siempre llevan a problemas de liquidez, por la fuga de capitales,
sin embargo, es posible tener problemas de liquidez aún cuando los países aparezcan como
5
MOGUILANSKY, G., “El contexto macroeconómico y la inversión: América Latina a partir de 1980”, en
MARTNER, Ricardo, “Política fiscal, ciclo y crecimiento”, Revista de la CEPAL Nº 64 (Santiago de Chile, Abril
1998), págs. 73-90.
4
solventes. Es decir, aún cuando la solvencia “técnica” de poder servir su deuda externa bajo
condiciones normales, se puede sufrir una “corrida” en la que los acreedores se precipitan
por salir, afectando su liquidez. De cualquier manera, en la práctica es difícil determinar si la
causa de la iliquidez es la insolvencia o una corrida dado que la “solvencia” nunca puede
cumplirse plenamente. Por eso la importancia de las reservas internacionales y la estructura
de madurez de los activos y pasivos externos.
Existen condiciones microeconómicas en el país (tales como impuestos implícitos o
explícitos, garantías de préstamos externos y estructuras débiles de las instituciones
respecto a procesos de concursos y quiebras) que permitirán determinar los riesgos que
asumen los agentes privados en el mercado. Estas condiciones pueden caer en lo que se
denomina “riesgo moral”, distorsionar la estructura financiera y hacer más vulnerables a los
distintos sectores, como sería el caso de los impuestos que favorecen el financiamiento de
deuda de corto plazo o el de garantías implícitas sobre el tipo de cambio, que reducen la
capacidad de las instituciones para hacer frente a los shocks. La incertidumbre respecto de
dichas condiciones micro contribuye a mayor vulnerabilidad externa. Las expectativas sobre
el funcionamiento de las instituciones, como un régimen de concursos y quiebras e
intervenciones del gobierno durante crisis, puede ser volátil e impactar sobre la voluntad de
los acreedores externos de dejar sus capitales en el país. Si se dan condiciones
microeconómicas estables, la deuda del sector privado puede ser grande y no ser causal de
problemas, como ocurre en algunos países desarrollados.
Otro punto importante tiene que ver con el régimen de tipo de cambio. Un régimen de tipo de
cambio flotante asegura una mayor precaución a la hora de endeudarse (debido al riesgo de
las grandes fluctuaciones de su cotización) y, además, reduce el costo de las crisis externas
(ya que bajo tipo de cambio fijo, una crisis tiene el costo adicional de hacer caer el régimen).
De todos modos, bajo tipo de cambio flexible, no deja de importar el tema de la deuda
externa. En la práctica, la respuesta del tipo de cambio ante entradas y salidas de capitales,
puede ser débil, especialmente en el corto plazo o cuando el factor confianza es dominante
y, puede depreciarse mucho ante una pérdida de confianza en los mercados. Tal
depreciación puede traer consigo grandes costos en términos de reducción de
importaciones e incapacitar a los países a honrar sus deudas. Por lo tanto, aún con tipo de
cambio flexible, el país debería cuidarse de no quedar expuesto a un excesivo
endeudamiento.
IV.
Modelo Teórico Econométrico
Sachs, Tornell y Velasco6 analizan los efectos de la crisis del Tequila sobre diferentes
países emergentes, tanto de Latinoamérica como de Asia, con un modelo simple de tres
variables que, según ellos, determinan si un país es más vulnerable a sufrir crisis
financieras: alta tasa de apreciación real, débil sistema bancario y bajos niveles de reservas.
Estos autores llegan a la conclusión de que las diferencias en los fundamentos son muy
útiles para explicar por qué durante 1995 algunas economías emergentes fueron golpeadas
por la crisis financiera y por qué otras no. Asimismo, encuentran que los datos no respaldan
hipótesis alternativas que permitan explicar las crisis, como crónicos déficit en cuenta
corriente, excesivas entradas de capitales y pérdidas de política fiscal. Para ellos, México
estuvo sujeto ataques especulativos que sobrepasaron lo que sería un problema debido a
frágiles fundamentos.
6
SACHS, Jeffrey, TORNELL, Aaron y VELASCO, Andrés, “Financial crises in emerging markets: the lessons of
1995”, en NBER Working Papers Series, National Bureau of Economic Research, Nº 5576 (Cambridge, Mayo
1996), 65 págs.
5
Corsetti, Pesenti y Roubini7 interpretan que la crisis asiática se evidenció a través de
burbujas financieras, excesivo endeudamiento externo y déficit de cuenta corriente. Para
ellos, los agentes privados actúan bajo el supuesto de que el Estado garantiza las
inversiones financieras de manera de que exista un retorno asegurado sobre los activos
domésticos ante shocks adversos. Así, proyectos no rentables y escasez de dinero se refinancian con endeudamiento externo, convirtiéndose en una senda insostenible de déficit
en cuenta corriente. Para garantizar la solvencia, el gobierno apela al financiamiento con
emisión, generando expectativas sobre el tipo de cambio, causando el colapso de la
moneda y anticipando una crisis financiera.
En esta investigación se pretende estudiar el comportamiento de doce países de América
Latina, denominados “países emergentes”, para el período 1985-2002, en un modelo de
datos de panel que combina observaciones de series de tiempo y de corte transversal.
El método de estimación a través de datos de panel, también conocido como “pool data”, es
una extensión del modelo lineal general. No varía la interpretación de los coeficientes
básicos del modelo ni tampoco difieren los métodos de estimación e inferencia (mínimos
cuadrados y sus generalizaciones). La principal dificultad radica en la interpretación de las
distintas versiones del modelo de componente de errores.
Es posible que distintos individuos presenten diferentes características no observables que
agreguen una complicación adicional al problema analizar. Por ello, la disponibilidad de
datos en paneles permite analizar en forma parsimoniosa ciertos aspectos que no pueden
ser explorados con modelos simples de series de tiempo o de corte transversal.
El modelo de datos de panel8 podría expresarse de la siguiente manera:
y it = X it β + u it
siendo u it = µ i + δ t + eit para i = 1,..., N ; t = 1,..., T y en donde X it es un vector fila con K
variables explicativas siendo la primera de ellas una constante igual a 1; y β es un vector
de K parámetros que es el objetivo de estimación.
El término de error u it presenta tres componentes:
µi
Representa factores no observables que difieren por individuos pero no en el
tiempo. Por ejemplo, regulaciones propias de cada país.
δt
Representa shocks que varían en el tiempo pero no por individuos. Por ejemplo,
shocks petroleros de los 70 que afectaron a todos los países simultáneamente.
eit
Representa la visión más tradicional del término de error, representando shocks
puramente aleatorios que específicamente afectan a un individuo en un
determinado período.
Las distintas versiones del modelo de componente de errores surgen de diferentes formas
de especificar el término de error u it .
7
CORSETTI, Giancarlo, PESENTI, Paolo y ROUBINI, Nouriel, “Paper Tigers? A model of Asian crisis”, en NBER
Working Paper Series, National Bureau of Economics Research, Nº 6783 (Cambridge, November 1998), 46 págs.
8
SOSA ESCUDERO, Walter, “Tópicos de Econometría Aplicada”, Documentos de Trabajo, Universidad Nacional
de La Plata, Nº 12 (Marzo, 1999), págs. 36-48.
6
Suponemos, por simplicidad que δ t = 0 , sólo hay efectos por países y no hay efectos
temporales.
Caso 1: No existen diferenciales por individuo, entonces µ i = 0 .
Bajo esta especificación, el término de error u it satisface todos los supuestos del modelo
lineal general siendo el estimador de Mínimos Cuadrados Ordinarios (MCO) el mejor
estimador lineal e insesgado (MELI). El modelo a estimar sería:
y it = X it β + eit
i = 1,..., N ; t = 1,..., T
con
σ 2
E (eit ehs ) = 
0
E (eit X it ) = 0
1
 y Arg 85   1 X Arg
85
y
 
1
1
X
Arg 86
 Arg 86  

 ...  ...
...

 
1
 y Arg 02   1 X Arg 02
1
 y Bra 85   1 X Bra
85

=
1
y
1
X
 Bra 86  
Bra 86
 ...  ...
...

 
1
 y Bra02   1 X Bra
02
 ...  ...
...

 
1
 yVen 02   1 X Ven
02
NTx 1
2
X Arg
85
2
X Arg
86
...
2
X Arg
02
2
X Bra 85
2
X Bra
86
...
2
X Bra
02
...
2
X Ven
02
NTxK
si i = h y t = s
si i ≠ h o t ≠ s
K

... X Arg
e Arg 85 
85

e

K
... X Arg 86 
 Arg 86 
 ... 
...
... 



K
... X Arg 02   β 0  e Arg 02 
K
  β 1   e Bra 85 
... X Bra
85
  + 

K
 ...   e Bra 86 
... X Bra
86 
 
...
...   β K   ... 
 Kx1


K
... X Bra
 e Bra02 
02 

 ... 
...
... 


K


e
... X Ven
 Ven 02 
02 
NTx 1
Cuando no existe heterogeneidad no observable en el problema asociada con individuos o
factores temporales, el método de mínimos cuadrados ordinarios es una alternativa válida.
Caso 2: Efectos Fijos. Existen diferenciales por individuo pero µ i es una constante diferente
para cada individuo.
El modelo lineal es el mismo para todos los individuos excepto por el intercepto. En este
caso, se agregan N-1 variables dicotómicas.
y it = X it β + d 1t µ1 + ... + d ( N −1)t µ N −1 + eit
en donde para cada individuo j , la variable d it adopta el valor uno si i = j y cero si i ≠ j .
Matricialmente, y = Xβ + Zµ + e en donde y es un vector columna con NT observaciones
ordenadas primero por individuos y luego en el tiempo; X es una matriz (NTxK) con las
variables explicativas ordenadas de la misma manera, siendo la primer columna una
constante igual a 1; Z es una matriz NTx(N-1) en donde cada columna es la variable
dicotómica. Finalmente, e es un vector columna NT.
7
Si e satisface los supuestos del modelo lineal clásico, el método de mínimos cuadrados
producirá los mejores estimadores lineales insesgados de β . En definitiva, se trata de
aplicar MCO al modelo original incorporando N-1 variables dicotómicas.
 y Arg 85   1 X 1Arg 85

 
1
 y Arg 86   1 X Arg 86
 ...  ...
...

 
1
y
1
X

 Arg 02 
Arg 02
 y Bra 85   1 X 1
Bra 85

=
1
 y Bra 86   1 X Bra
86
 ...  
...
...



1
 y Bra02   1 X Bra
02

 
...
...
...



 yVen 02   1 X 1
Ven02

2
X Arg
85
X
2
Arg 86
K
... X Arg
85 1
K
... X Arg 86 1
...
...
...
...
...
K
X Arg
02
K
X Bra
85
K
X Bra
86
1
2
X Arg
02
2
X Bra
85
2
X Bra
86
...
...
...
...
2
X Bra
02
...
...
...
0
...
...
K
0
X Bra
02
... ...
2
K
X Ven
... X Ven
02
02
NTx ( K + N −1)
NTx 1
0
0
0 ... 0 

0 ... 0 
... ... ...

0 ... 0 
1 ... 0 

1 ... 0 

... ... ...
1 ... 0 

... ... ...
0 ... 1 
e Arg 85 


 β 0  e Arg 86 
 β  

 1   ... 
 ...   e Arg 02 

 

 β K  +  e Bra 85 
 µ 1   e Bra 86 

 

 µ 2   ... 
 ...   e


  Bra02 
 µ N −1   ... 
( K + N − 1) x 1 
 eVen02 
NTx 1
En esta especificación, la forma de resolver el problema de la heterogeneidad no observable
es a través de la agregación de N-1 variables adicionales las cuales capturan el efecto sobre
el intercepto en cada individuo. El estimador MCO de β es conocido como el estimador de
efectos fijos. El modelo tiene K+N-1 parámetros.
Caso 3: Efectos Aleatorios. Se trata a µ i como una variable aleatoria no observable que
varía sólo a través de los individuos pero no el tiempo.
y it = X it β + u it
donde u it = µ i + eit
con
E (µ i X it ) = 0 E (eit X it ) = 0 E (u it X it ) = 0
V (µ i ) = σ µ2
V (eit ) = σ e2
La matriz de covarianzas del vector que contiene a los términos de error será:
(
E u it u hj
)
0

= σ µ2
σ 2 + σ 2
e
 µ
si i ≠ h
si i = h y t ≠ j
si i = h y t = j
Bajo la especificación de efectos aleatorios, la matriz de covarianzas no es diagonal: existe
una correlación entre los shocks para un mismo individuo originada por la presencia del
efecto aleatorio específico para cada individuo. El estimador MCO sigue siendo insesgado
pero no eficiente debido a la presencia de autocorrelación inducida por el efecto aleatorio, el
cual es constante para cada individuo. El estimador de Mínimos Cuadrados Generalizados
(MCG) producirá un estimador de varianza mínima dentro de los estimadores lineales
insesgados.
8
IV.1. Test de especificación
IV.1.a) Test F de Efectos Fijos
El efecto fijo es incorporado a la esperanza condicional de la variable explicada y, en
consecuencia, es estimado conjuntamente con los otros coeficientes correspondientes al
resto de las variables explicativas. Como consecuencia, el efecto fijo es indistinguible de
cualquier otra variable que no varía por individuos, por lo que si el objetivo consiste en
identificar el efecto de dichas variables, el modelo de efectos aleatorios permitirá estimar en
forma única los coeficientes asociados con este tipo de variables. El modelo de efectos fijos
incorpora a los efectos individuales como variables explicativas.
La Hipótesis Nula, H 0 : µ1 = ... = µ N −1 = 0 puede evaluarse a través de un test de
significatividad conjunta de las variables binarias correspondientes. Bajo el supuesto de
normalidad de los residuos,
F=
( SRC R − SRC N ) /( N + T − 2)
SRC N /( N − 1)(T − 1) − K
tiene una distribución F (N + T − 2, ( N − 1)(T − 1) − K ) bajo la hipótesis nula.
IV.1.b) Test LM de Efectos Aleatorios
La especificación de efectos aleatorios trata al efecto fijo como una variable aleatoria
omitida, la cual pasa a formar parte del término aleatorio alterando la estructura de la matriz
de covarianzas. Se ha supuesto que los componentes del término de error no están
correlacionados con las variables explicativas. Si lo estuvieran, las propiedades de los
estimadores analizados se alteraría significativamente. Si el término de error es tratado
como un componente aleatorio cuya correlación con las variables explicativas no es nula,
MCO y MCG producirán estimadores inconsistentes. Aún cuando el efecto aleatorio esté
correlacionado con las variables explicativas, el estimador de efectos fijos preserva la
propiedad de consistencia. Esto es así debido a la transformación operada para obtener
dicho estimador elimina el efecto específico por individuos.
Ahora queremos evaluar la Hipótesis Nula, H 0 : σ µ2 = 0 a través del Multiplicador de
Lagrange que proponen Breusch y Pagan (1980)9 basado en los residuos del estimador
MCO.
NT  e′(J N ⊗ I T )e 
LM =
− 1

2(T − 1) 
e′e

2
tiene una distribución χ 2 (1) bajo la hipótesis nula; donde J N es una matriz NxN con todos
sus elementos iguales a 1, I T es la matriz identidad con dimensión T , e es el vector de
residuos del método MCO y ⊗ es el producto de Kronecker.
9
Breusch y Pagan (1980) en SOSA ESCUDERO, Walter, “Tópicos de Econometría Aplicada”, Documentos de
Trabajo, Universidad Nacional de La Plata, Nº 12 (Marzo, 1999), págs. 36-48.
9
V.
Modelo Empírico
El modelo de datos en paneles para el caso particular de la investigación, se puede expresar
matricialmente de la siguiente manera:
 IC Arg 85   1

 
 IC Arg 86   1
 ...  ...

 
 IC Arg 02   1
 IC
 1
 Bra 85  = 
 ICBra 86   1
 ...  ...

 
 ICBra02   1

 
 ...  ...
 ICVen02   1

 
CC Arg 85
TCR Arg 85
PRESTArg 85
DEXTArg 85
M 1Arg 85
M 2Arg 85
CC Arg 86
TCR Arg 86
PRESTArg 86
DEXTArg 86
M 1Arg 86
M 2Arg 86
...
CC Arg 02
...
TCRArg 02
...
PRESTArg 02
...
DEXTArg 02
...
M 1Arg 02
...
M 2Arg 02
CC Bra 85
TCRBra 85
PRESTBra 85
DEXTBra 85
M 1Bra 85
M 2Bra 85
CC Bra 86
TCRBra 86
PRESTBra 86
DEXTBra 86
M 1Bra 86
M 2Bra 86
...
...
...
...
...
...
CC Bra02
...
TCRBra02
...
PRESTBra02
...
DEXTBra02
...
M 1Bra02
...
M 2Bra02
...
CCVen02
TCRVen02
PRESTVen02
DEXTVen02
M 1Ven02
M 2Ven02
NTx 1
NTxK
INVArg 85 
 eArg 85 



INVArg 86 
eArg 86 

 ... 
...



INVArg 02   β0   eArg 02 
 
INVBra 85   β1   eBra 85 


+
INVBra 86   ...   eBra 86 
  β   ... 
...
  K  

INVBra02  Kx 1  eBra02 



...

 ... 
 eVen02 
INVVen02 


NTx 1
La variable dependiente es el índice de crisis (IC?). Las variables explicativas son: saldo en
cuenta corriente respecto del PBI (CC?), tasa de variación del tipo de cambio real (TCR?),
tasa de variación de los préstamos bancarios al sector privado como proporción del PBI
(PREST?), deuda externa sobre reservas internacionales (DEXT?), M1 sobre reservas
internacionales (M1?), M2 respecto de las reservas internacionales (M2?) y el ratio de
inversiones respecto del PBI (INV?). Por último, el término de error (e?). El signo de
interrogación hace referencia a que cada variable varía primero por país y luego por año10.
V.a) Indicador de Crisis
El índice de crisis11 es un promedio ponderado de la tasa de variación del tipo de cambio
nominal, definido como moneda nacional respecto del dólar, y de la tasa de variación en los
niveles de reservas internacionales. La interpretación de este indicador es la siguiente: ante
una ataque especulativo, si se revierte una entrada de capitales, las autoridades pueden
reaccionar dejando que el tipo de cambio se deprecie o, alternativamente, pueden defender
la moneda con pérdida de divisas (o incrementando la tasa de interés12). Por lo tanto, un
valor muy grande para IC? implica una alta tasa de devaluación y/o una profunda caída en
las reservas internacionales, es decir, estamos en presencia de una grave crisis de moneda.
Las crisis se manifiestan de diferentes maneras. Algunos de sus síntomas son: régimen de
tipo de cambio fijo que se mantiene durante un tiempo prolongado, una aguda apreciación
real, un severo empeoramiento de la cuenta corriente y un débil sistema bancario, con
grandes montos de préstamos en mora o incobrables.
10
Por ejemplo, la variable TCR? está formada por el tipo de cambio real de Argentina desde 1985 hasta 2002,
luego Brasil desde 1985 hasta 2002 y así sucesivamente hasta completar los países integrantes del panel.
11
Los datos de tipo de cambio nominal, niveles de reservas, saldo de la cuenta corriente, tipo de cambio real,
préstamos bancarios al sector privado, agregados monetarios (M1 y M2), niveles de inversión y producto bruto,
se obtuvieron de las Estadísticas Financieras Internacionales del Fondo Monetario Internacional (FMI). Los
correspondientes a deuda externa se obtuvieron de las bases de datos de la Comisión Económica para América
Latina y el Caribe (CEPAL).
12
Si bien un incremento en la tasa de interés doméstica puede ser signo de un ataque especulativo, el índice de
crisis excluye sus cambios ya que un incremento en la tasa de interés, en presencia de ataques especulativos,
está fuertemente correlacionado con la no esterilización de moneda que implica una caída en las reservas.
10
V.b) Indicador de fragilidad financiera
Una forma de medir la debilidad del sistema bancario es considerando la relación entre el
stock de préstamos con problemas de recupero respecto del total de activos. Otra, no tan
rigurosa, es la sugerida por Sachs, Tornell y Velasco13, quienes construyen una variable que
refleja el “boom” de préstamos bancarios, calculando la tasa de crecimiento del cociente de
préstamos bancarios comerciales respecto del PBI. Estos autores afirman que cuando los
préstamos bancarios crecen rápidamente en un período corto de tiempo, dicha variable es
una “proxy” de la fragilidad financiera dado que la calidad de los préstamos bancarios tiende
a deteriorarse significativamente y, por ende, es probable que una gran parte se convierta
en incobrables. El signo esperado para la variable PREST? es, entonces, positivo.
V.c) Indicadores de desequilibrios externos
Se construyen dos variables que reflejan el saldo externo y la sustentabilidad del déficit de
cuenta corriente. La primera es el saldo de la cuenta corriente (definido como exportaciones
menos importaciones) como proporción del PBI (CC?), que se espera tenga signo negativo:
mientras mayor sea el déficit de cuenta corriente, más vulnerable es el país y más
probabilidades de ocurrencia de crisis. La segunda es la tasa de variación del tipo de cambio
real (TCR?), como una forma de medir la apreciación real y se espera tenga signo negativo:
mientras menor es el tipo de cambio real, menos competitivo es el país y mayores
posibilidades de estar ante una crisis.
No existe forma de asegurar cuándo el saldo de la cuenta corriente es sostenible y cuándo
no lo es (reflejado, a su vez, en una pérdida de competitividad). Sin embargo, existe
consenso en la literatura en cuanto a que un déficit de cuenta corriente crónico combinado
con una significativa apreciación real representa una preocupante señal de no
sustentabilidad.
V.d) Indicadores de adecuación o suficiencia de reservas
Son varios los motivos por los que se mantienen reservas. Entre los más importantes está el
mantener cierta liquidez y permitir absorber shocks en situaciones en donde el crédito
externo está restringido o es costoso. Al mismo tiempo, da confianza a las autoridades
permitiendo hacerse cargo de las obligaciones externas y mantener el valor de la moneda
doméstica.
Las recientes crisis financieras han puesto en evidencia los muy altos costos que soportan
los países cuando están cortos de liquidez, por ello, la importancia de tener un nivel
suficiente de reservas.
Existe interés en comprobar si los efectos de los desequilibrios externos y de la fragilidad
financiera se magnifican por la inadecuada disponibilidad de reservas y por la débil
“performance” de otras variables fundamentales. La vulnerabilidad de un país a una crisis de
moneda es mayor cuando las reservas son pequeñas respecto de los activos domésticos
líquidos o respecto de la deuda externa de corto plazo. Para ver el rol de la disponibilidad de
reservas, se construyen tres variables diferentes. La primera es el ratio de M1 respecto de
las reservas internacionales (M1?). La segunda es el ratio de M2 respecto de las reservas
(M2?). Por último, el ratio de los servicios de la deuda externa (deuda externa de corto plazo
más pago de intereses) respecto de las reservas (DEXT?). El signo esperado para estos
tres indicadores es positivo, ya que un menor cociente reservas-agregado monetario o
reservas-deuda externa, implica mayores posibilidades de ocurrencia de crisis.
13
SACHS, Jeffrey, TORNELL, Aaron y VELASCO, Andrés, Op. cit.
11
Utilizar un indicador de base monetaria-reservas14, da una medida de la fuga potencial de
capitales por parte de los residentes: una demanda de dinero inestable o la presencia de un
sistema bancario débil, implican una alta probabilidad de fuga de capitales. Sin embargo,
este indicador adolece de algunos defectos. En países donde la demanda de dinero es
estable y existe gran confianza en la moneda doméstica, se tiene un cociente dineroreservas grande, “ceteris paribus”, sin ser indicio de una fuga de capitales. Debido a estas
deficiencias, se utiliza un concepto amplio de dinero, siendo el coeficiente agregado
monetario-reservas un buen indicador.
Con respecto al indicador de deuda, trabajos anteriores sugieren que el ratio de deuda
externa de corto plazo respecto de las reservas es uno de los indicadores más importantes
de la suficiencia de reservas. Una alto coeficiente se asocia con una gran incidencia y
profundización de las crisis. Asimismo, es mejor incluir la deuda total (pública y privada).
Puede suceder que el sector privado tenga acceso restringido al mercado de capitales por
falta de solvencia, en cuyo caso las autoridades pueden incluir la deuda del sector privado
en las políticas macroeconómicas (garantizando la deuda de dicho sector, incluido el
sistema bancario), trasladando así el riesgo desde el sector privado hacia el sector público.
Este indicador ha cobrado importancia en los últimos años en aquellos países que quieren
minimizar su vulnerabilidad. Existen algunos puntos a tener en cuenta con respecto a
incrementar el nivel de reservas o reducir la necesidad de ellas:
•
El régimen de tipo de cambio: un régimen flexible reduce la probabilidad y los costos de
una crisis.
•
La moneda en la que está denominada la deuda externa.
•
El déficit de cuenta corriente y el tipo de cambio real.
•
Las condiciones microeconómicas (“fundamentos”) que impactan sobre la posición
deudora del sector privado.
•
La posibilidad de fuga de capitales, por lo que hay que prestar atención a los agregados
monetarios, especialmente cuando el sistema financiero es frágil y, a la deuda pública de
corto plazo mantenida por los residentes, en especial cuando no existen controles de
capital y la posición financiera del sector público es débil.
Según el “Manual de Balanza de Pagos del Fondo Monetario Internacional”15, se define
reservas a los “activos que están disponibles fácilmente y que son controlados directamente
por la autoridad monetaria para el financiamiento de desequilibrios en la balanza de pagos,
interviniendo indirectamente en el mercado de divisas para afectar el tipo de cambio y/u
otros propósitos”. Si las autoridades usan reservas con fines de financiamiento de los
desequilibrios externos y para mantener el tipo de cambio, dichos activos deben estar
denominados moneda extranjera.
La madurez de la deuda tiene un gran impacto sobre la liquidez, especialmente a la hora de
comparar entre países, pero dada la dificultad para obtener datos separados en corto y largo
plazo, se considera la deuda bruta total desembolsada.
14
El ratio base monetaria-reservas puede ser útil para asegurar un nivel adecuado de reservas especialmente
bajo tipo de cambio fijo, en donde se necesita generar confianza y credibilidad.
15
th
FONDO MONETARIO INTERNACIONAL, “Balance of Payments Manual, 5 Edition”, en FONDO
MONETARIO INTERNACIONAL, “Debt and reserve related indicators of external vulnerability”, Policy
Development and Review Department (Marzo 2000), 54 págs.
12
V.e) Indicador de productividad del capital
Por último, se quiere comprobar si la productividad del capital tiene poder explicativo como
regresor del índice de crisis. La forma de medirlo es a través del cociente de inversiónproducto bruto. Se espera que el signo de INV? sea negativo ya que una mayor
productividad del capital en el país tenderá a reducir la vulnerabilidad externa y, por ende, a
reducir los efectos de las crisis.
VI.
Resultados de las estimaciones econométricas
Se procede a presentar una evidencia empírica de los determinantes de las crisis,
seleccionando los factores macroeconómicos que son consecuentes con nuestra
interpretación de los distintos hechos ocurridos.
Se analiza el comportamiento de las economías latinoamericanas que fueron afectadas por
distintas crisis durante el período 1985-2002. La disponibilidad de datos permitió armar una
muestra de 216 observaciones. Siguiendo la metodología sugerida en la bibliografía
consultada, se construye un “Indicador de Crisis” como medida de la presión especulativa
sobre la moneda del país y, se lo estima en función de una serie de variables que reflejan la
fragilidad financiera, los desequilibrios externos, nivel de reservas adecuado, entre otras.
Cuadro 1
Dependent Variable: IC?
Method: Pooled Least Squares
Sample: 1985 2002
Included observations: 18
Number of cross-sections used: 12
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CC?
TCR?
PREST?
M1?
M2?
DEXT?
INV?
5.958417
-29.65784
-12.48072
8.435334
-0.907044
-0.325366
0.242467
-31.05732
3.084880
12.85560
4.689966
2.373295
1.071487
0.249385
0.091914
14.50973
1.931491
-2.306998
-2.661154
3.554271
-0.846528
-1.304673
2.637987
-2.140447
0.0549
0.0221
0.0084
0.0005
0.3983
0.1935
0.0090
0.0336
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
0.245970
0.219040
7.826313
-705.1112
1.505311
Mean dependent var
S.D. dependent var
Sum squared resid
F-statistic
Prob(F-statistic)
1.534249
8.856107
12005.23
9.133790
0.000000
Cuadro 2
Dependent Variable: IC?
Method: Pooled Least Squares
Sample: 1985 2002
Included observations: 18
Number of cross-sections used: 12
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CC?
TCR?
PREST?
M2?
DEXT?
INV?
5.945808
-28.54929
-12.96443
8.443989
-0.459925
0.215292
-31.76621
3.082624
12.77952
4.651679
2.371566
0.192024
0.086063
14.47512
1.928814
-2.233987
-2.787043
3.560512
-2.395139
2.501548
-2.194538
0.0552
0.0266
0.0058
0.0005
0.0176
0.0132
0.0294
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
0.243213
0.220164
7.820682
-705.4834
1.528747
Mean dependent var
S.D. dependent var
Sum squared resid
F-statistic
Prob(F-statistic)
13
1.534249
8.856107
12049.12
10.55183
0.000000
La estimación del Cuadro 1, muestra el “output” para América Latina sin considerar
divergencias entre países ni años, bajo el método de Mínimos Cuadrados Ordinarios. Se
incluyen todas las variables referidas con anterioridad, las cuales resultaron significativas y
de signos esperados, con excepción de M1? y M2? El resultado no es muy confiable dado
que el test de Durbin-Watson, cae en zona de duda; sin embargo, la bondad del ajuste es
aceptable puesto que el test F rechaza la hipótesis nula de no explicatividad conjunta de las
variables. El Cuadro 2 excluye la variable M1? por ser no significativa en el Cuadro 1. En
esta estimación continuaría el problema de autocorrelación, puesto que el valor observado
del test cae en zona de duda.
A partir de los Cuadros 1 y 2, se puede inferir la no conveniencia de utilizar un modelo de
MCO con las observaciones “undated”, que no tenga en cuenta el efecto dado por el país
y/o por el tiempo separadamente. Por ello se introduce la modelización bajo datos de panel
que combina las series de tiempo con el corte transversal.
VI.a) Análisis de los efectos fijos (entre países)
El Cuadro 3 presenta el “output” por país, de forma tal de captar si existen efectos fijos
regionales. La incorporación de las variables que captan el efecto fijo entre países soluciona
el problema aparente de MCO de autocorrelación, puesto que el test de Durbin-Watson
aceptaría hipótesis nula de no autocorrelación en los residuos. Bajo este modelo resulta no
significativa INV?, es decir, la productividad del capital no sería elemento importante en la
determinación de las crisis. Se acepta M2? al 6% de significatividad.
Cuadro 3
Dependent Variable: IC?
Method: Pooled Least Squares
Sample: 1985 2002
Included observations: 18
Number of cross-sections used: 12
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
CC?
TCR?
PREST?
M1?
M2?
DEXT?
INV?
Fixed Effects
_ARG—C
_BOL—C
_BRA—C
_CHI—C
_COL—C
_ECU—C
_MEX—C
_PAN—C
_PAR—C
_PER—C
_URU—C
_VEN—C
-30.41077
-24.94269
7.390981
-3.932659
-0.720592
0.600452
-20.92015
14.98286
4.738363
2.221493
1.308739
0.386782
0.109473
19.97476
-2.029704
-5.263989
3.327034
-3.004921
-1.863046
5.484929
-1.047329
0.0438
0.0000
0.0011
0.0030
0.0640
0.0000
0.2963
6.629769
2.911803
9.041389
5.100292
5.607939
-11.80970
7.434297
9.057559
7.735544
4.138068
6.591024
7.591071
4.148108
3.769473
4.653248
4.845418
4.151583
5.236514
4.877074
5.309489
5.129482
4.324736
3.645098
4.482664
1.598263
0.772470
1.943027
1.052601
1.350795
-2.255261
1.524336
1.705919
1.508055
0.956837
1.808188
1.693429
0.1117
0.4408
0.0535
0.2939
0.1784
0.0253
0.1291
0.0897
0.1332
0.3399
0.0722
0.0921
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
0.409505
0.352051
7.128747
-680.1751
1.817424
Mean dependent var
S.D. dependent var
Sum squared resid
F-statistic
Prob(F-statistic)
1.534249
8.856107
9401.520
7.127577
0.000000
En el Cuadro 4 se elimina la variable INV?, que resultaba no significativa en el proceso
anterior. Los resultados son analíticamente similares al Cuadro 3, no existirían problemas de
14
autocorrelación y la bondad del ajuste se mantiene en el entorno del 40% de explicatividad.
Los signos de las variables M1? y M2? son contrarios al esperado por la teoría. Los
coeficientes restantes señalan una explicación teórica esperada sobre el índice de crisis.
Queda demostrado una mayor posibilidad de ocurrencia de crisis ante mayores niveles de
déficit en cuenta corriente (CC?) y gran apreciación real (TCR?), evidenciado por pérdida de
competitividad. Asimismo, la fragilidad del sistema financiero (PREST?) y un bajo nivel de
reservas relativo (DEXT?), son elementos críticos en la determinación del efecto de las
crisis.
En cuanto a las variables que tratan de capturar el efecto diferencial entre países, solamente
las “dummies” para Brasil y Ecuador resultan significativas, esto se manifiesta en una
diferencia respecto a los otros países incluidos en el “pool”. El coeficiente que acompaña a
la variable dicotómica Brasil resulta positivo, esto implica que resulta más sensible al efecto
de la crisis. En cambio Ecuador muestra un signo negativo, que le permite una cierta
amortiguación del efecto crisis.
Cuadro 4
Dependent Variable: IC?
Method: Pooled Least Squares
Sample: 1985 2002
Included observations: 18
Number of cross-sections used: 12
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
CC?
TCR?
PREST?
M1?
M2?
DEXT?
Fixed Effects
_ARG—C
_BOL—C
_BRA—C
_CHI—C
_COL—C
_ECU—C
_MEX—C
_PAN—C
_PAR—C
_PER—C
_URU—C
_VEN—C
-21.67114
-25.00606
6.928015
-3.975396
-0.765830
0.648784
12.44722
4.739211
2.177635
1.308444
0.384462
0.099297
-1.741043
-5.276419
3.181439
-3.038263
-1.991950
6.533757
0.0833
0.0000
0.0017
0.0027
0.0478
0.0000
2.782158
-0.192023
4.634108
0.387645
1.699689
-16.66216
2.798150
4.465508
3.384851
0.123641
3.748712
3.321155
1.926759
2.330033
1.986595
1.797954
1.819966
2.440880
2.047661
2.995200
3.009968
2.003359
2.434082
1.864004
1.443957
-0.082412
2.332689
0.215603
0.933912
-6.826294
1.366510
1.490888
1.124547
0.061717
1.540093
1.781732
0.1504
0.9344
0.0207
0.8295
0.3516
0.0000
0.1734
0.1377
0.2622
0.9509
0.1252
0.0764
R-squared
Adjusted R-squared
S.E. of regression
Log likelihood
Durbin-Watson stat
0.406004
0.351714
7.130603
-680.7781
1.809822
Mean dependent var
S.D. dependent var
Sum squared resid
F-statistic
Prob(F-statistic)
1.534249
8.856107
9457.264
7.478427
0.000000
El test F de efectos fijos nos permite aceptar la hipótesis nula de no existencia de diferencial
por países ya que el F observado para 28 y 179 grados de libertad es 1,38, inferior al valor
crítico 1,61, al 5% de significancia. Esto corroboraría la hipótesis de “efecto contagio” en la
región y no tanto el efecto individual de cada país.
VI.b) Análisis de los efectos fijos (entre años)
Se decidió, asimismo, investigar si existían efectos fijos por año, bajo el supuesto de “ceteris
paribus” por países. Los resultados se presentan en el Cuadro 5. La estimación no tendría
problemas de autocorrelación en los residuos. Sin embargo, resultan no significativas las
variables M1?, M2? e INV?, las cuales se conservan en el modelo dado que al ser omitidas
influyen provocando la pérdida de significatividad de las otras variables. Al igual que en el
caso del análisis de efectos fijos por países los principales determinantes de los cambios en
15
el índice de crisis (IC?) son el saldo de cuenta corriente (CC?), el nivel adecuado de
reservas (DEXT?), el tipo de cambio real (TCR?) y la fragilidad del sistema bancario
(PREST?).
El efecto fijo para las variables dicotómicas en el tiempo estaría reconocido para los años
1985, 1989 y 1990. Estos años se caracterizan por fuertes inflaciones o hiperinflación y
problemas de endeudamiento severos. Los coeficientes son positivos en todos los casos,
esto implica que frente a presiones inflacionarias aumenta la sensibilidad del índice de crisis,
particularmente en los años 1989 y 1990, donde las expectativas por inflación eran muy
altas y los mecanismos de indexación actuaban rápidamente. En estos casos se hacen
manifiestos el “efecto Olivera – Tanzi”16 y el efecto recesivo provocado por la inflación. El
Gráfico 2 hace evidente esta aseveración.
Gráfico 2
América Latina
Crecimiento e Inflación
6%
1000%
Tasa de crecim iento
Tasa de inflación
900%
5%
800%
700%
600%
3%
500%
2%
400%
Tasa de inflación
Tasa de crecimiento
4%
300%
1%
200%
0%
1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 100%
-1%
Fuente: Elaboración propia en base a datos de la CEPAL.
0%
Con respecto a las diferencias entre años para el conjunto de coeficientes, resulta no
significativo ya que el valor observado del test F es 0,66 (para 28 y 179 grados de libertad),
muy inferior al valor crítico, al 5% de significancia. La interpretación de esta falta de
significatividad puede estar dada por el hecho de que en los años de crisis severas
(“Tequila”, “Sudeste Asiático”, “Rusa”, Brasil y Argentina) no coinciden con los años 1985,
1989, 1990, por el hecho de que en estos años, las crisis fueron básicamente inflacionarias
y no financieras, que son las reflejadas en el constructo del índice de crisis (IC?).
La no existencia de efectos fijos en el tiempo confirmaría una vez más el efecto contagio,
como elemento dominante en América Latina.
16
El denominado “efecto Olivera-Tanzi” se refiere a que la inflación reduce el ingreso real de impuestos en
presencia de retardos en la recaudación. El problema es que las obligaciones tributarias se generan en un
determinado momento y su correspondiente pago se efectúa en una fecha posterior, por lo que el aumento de la
inflación durante ese período reduce la carga tributaria que debe soportar el contribuyente.
16
Cuadro 5
Dependent Variable: IC?
Method: Pooled Least Squares
Sample: 1 12
Included observations: 12
Number of cross-sections used: 18
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
CC?
TCR?
PREST?
M1?
M2?
DEXT?
INV?
Fixed Effects
_85--C
_86--C
_87--C
_88--C
_89--C
_90--C
_91--C
_92--C
_93--C
_94--C
_95--C
_96--C
_97--C
_98--C
_99--C
_00--C
_01--C
_02--C
-34.10134
-13.10406
10.22636
-0.625946
-0.288681
0.202291
-24.22703
13.21903
4.905529
2.463439
1.114367
0.259763
0.107840
14.94713
-2.579715
-2.671283
4.151255
-0.561705
-1.111327
1.875840
-1.620848
0.0107
0.0083
0.0001
0.5750
0.2679
0.0623
0.1068
11.65148
1.146520
2.167045
1.749283
7.616009
8.095518
2.919760
1.558442
2.482314
4.637875
4.454394
4.684428
2.669595
2.900810
4.001029
5.027489
4.344731
6.022001
3.887074
3.860532
4.343116
4.351862
4.007388
3.790501
3.917234
3.901238
3.872333
3.969955
4.003853
3.973512
4.021497
4.046463
3.752525
3.798287
3.743491
3.781107
2.997495
0.296985
0.498961
0.401962
1.900492
2.135738
0.745363
0.399474
0.641038
1.168244
1.112527
1.178914
0.663831
0.716876
1.066223
1.323620
1.160610
1.592656
0.0031
0.7668
0.6184
0.6882
0.0590
0.0341
0.4570
0.6900
0.5223
0.2443
0.2674
0.2400
0.5077
0.4744
0.2878
0.1873
0.2473
0.1130
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
0.323873
0.233220
7.754938
3.572640
0.000001
Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
1.534249
8.856107
10764.89
2.078812
VI.c) Análisis de los efectos aleatorios (dentro de cada país)
El análisis por país de los efectos aleatorios muestran problemas de autocorrelación en las
variables, Cuadro 6, el cual no se soluciona de manera sencilla. Dado que el interés es el de
captar efectos aleatorios, no para inferencia sino más bien para predicción, se extracta el
test LM. La explicación intuitiva es que la ausencia de efectos aleatorios implica que dentro
de cada país la desviación estándar es pequeña.
Para comprobar si existe divergencia dentro de cada país, se realizó el test LM y se llega a
2
la conclusión de que no existe tal divergencia. Se acepta la hipótesis nula de que σ µ = 0 : el
valor observado es 0,62 es muy inferior al valor crítico de 3,84, al 5% de significancia.
17
Cuadro 6
Dependent Variable: IC?
Method: GLS (Variance Components)
Sample: 1985 2002
Included observations: 18
Number of cross-sections used: 12
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CC?
TCR?
PREST?
M1?
M2?
DEXT?
INV?
Random Effects
_ARG--C
_BOL--C
_BRA--C
_CHI--C
_COL--C
_ECU--C
_MEX--C
_PAN--C
_PAR--C
_PER--C
_URU--C
_VEN--C
5.671132
-28.91708
-5.213186
8.668348
0.589555
-0.357577
0.151872
-30.90602
2.293835
10.92538
4.529294
2.436816
0.891405
0.180140
0.081720
10.65536
2.472336
-2.646779
-1.150993
3.557244
0.661377
-1.984992
1.858445
-2.900515
0.0143
0.0088
0.2511
0.0005
0.5091
0.0485
0.0646
0.0042
-3.729281
0.467859
-2.965814
-1.501424
1.922363
7.270742
0.503782
-0.937772
-1.552037
-0.391711
1.717473
-1.838873
GLS Transformed Regression
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.162233
0.132313
8.249440
1.400280
Mean dependent var
S.D. dependent var
Sum squared resid
1.534249
8.856107
13338.44
Unweighted Statistics including Random Effects
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.009467
-0.025909
8.970101
1.184320
Mean dependent var
S.D. dependent var
Sum squared resid
1.534249
8.856107
15770.69
VI.d) Análisis de los efectos aleatorios (dentro de cada año)
Nuevamente se realiza el supuesto de σ µ2 es constante por países, investigando si el σ δ2
difiere por año. El cuadro 7, también muestra problemas de autocorrelación en los residuos,
razón por la que tampoco se realiza un análisis pormenorizado de las variables del modelo.
El valor observado del test LM es muy inferior al valor crítico de 3,84, al 5% de significancia,
por lo tanto, se concluye que no existen efectos aleatorios por año. Es decir las varianzas de
respecto al tiempo son cero.
18
Cuadro 7
Dependent Variable: IC?
Method: GLS (Variance Components)
Sample: 1 12
Included observations: 12
Number of cross-sections used: 18
Total panel (unbalanced) observations: 204
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CC?
TCR?
PREST?
M1?
M2?
DEXT?
INV?
Random Effects
_85--C
_86--C
_87--C
_88--C
_89--C
_90--C
_91--C
_92--C
_93--C
_94--C
_95--C
_96--C
_97--C
_98--C
_99--C
_00--C
_01--C
_02--C
6.397467
-28.70056
-12.33087
7.954607
-1.004804
-0.330027
0.251089
-32.82265
3.080881
12.93158
4.686833
2.377032
1.074765
0.250761
0.089874
14.56590
2.076505
-2.219416
-2.630959
3.346444
-0.934906
-1.316104
2.793790
-2.253389
0.0392
0.0276
0.0092
0.0010
0.3510
0.1897
0.0057
0.0253
-2.263170
1.062693
0.698760
0.829499
-0.955755
-0.993084
0.519517
0.764906
0.443718
-0.142050
-0.068570
-0.113105
0.338069
0.260838
0.101217
-0.173929
0.033446
-0.361054
GLS Transformed Regression
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.222725
0.194965
7.946029
1.864306
Mean dependent var
S.D. dependent var
Sum squared resid
1.534249
8.856107
12375.32
Unweighted Statistics including Random Effects
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.192458
0.163617
8.099260
1.794432
Mean dependent var
S.D. dependent var
Sum squared resid
1.534249
8.856107
12857.21
VII. Interpretación de los resultados econométricos
VII.1. Cálculo de las elasticidades
Se procedió a analizar los resultados obtenidos de las estimaciones, calculando las
elasticidades correspondientes a cada una de las variables independientes, para determinar
cuál de ellas tuvo mayor peso relativo en la determinación de las crisis.
La Tabla 3 presenta las estimaciones de los coeficientes, el valor medio de las variables
independientes, el cálculo y lectura de las elasticidades. El valor medio de la variable
dependiente (IC?) es igual a 1,534.
19
Tabla 3
Variable
Independiente
β
Media Elasticidad
Lectura de la Elasticidad
CC?
-21,67 -0,02
0,37
Si mejora el saldo en cuenta corriente en un 1%,
aumenta en 0,37% el índice de crisis.
TCR?
-25,01 -0,05
0,79
Si mejora la competitividad del país (TCR) en un
1%, aumenta en 0,79% el índice de crisis.
PREST?
6,93
0,04
0,20
Si aumenta la fragilidad del sistema bancario en
un 1%, aumenta en 0,20% el índice de crisis.
M1?
-3,98
1,06
-2,90
Si el ratio M1-Reservas aumenta en un 1%, el
índice de crisis se reduce en 2,90%.
M2?
-0,77
4,02
-2,11
Si el ratio M2-Reservas aumenta en un 1%, el
índice de crisis se reduce en 2,11%.
DEXT?
0,65
9,29
4,13
Si el ratio Deuda Externa-Reservas aumenta en
un 1%, el índice de crisis aumenta en un 4,13%
(el país es más vulnerable).
VII.2. Interpretación de las elasticidades
La elasticidad crisis - cuenta corriente (0,37) muestra una relación baja y positiva, cuya
interpretación podría darse al grado de apertura de las economías latinoamericanas al
comercio internacional. Esta mayor apertura económica, lleva a los países a una mayor
vulnerabilidad frente a las crisis internacionales. Al existir mayor apertura, los países han
importado más de lo que han exportado, lo que se refleja domésticamente en un aumento
de la absorción por sobre el ingreso. Esta brecha no ha sido preocupante dado que, durante
los noventa, se produjo una voluminosa entrada de capitales que, en muchos casos,
permitió financiar con soltura los enormes déficit en cuenta corriente.
La elasticidad crisis - competitividad (0,79) también muestra una relación baja y positiva. Los
noventa se caracterizaron por pérdida de competitividad de los productos nacionales, es
decir, de apreciación de la moneda en términos reales, acompañada por déficit crónicos en
cuenta corriente. Esto aumenta la vulnerabilidad frente a las crisis, puesto que aumenta las
importaciones y desalienta las exportaciones. La apreciación real de las monedas obedeció,
principalmente, a factores de naturaleza financiera (producto de la cuantiosa afluencia de
capitales externos y apreciación del dólar estadounidense con respecto a otras monedas de
reserva), sin vínculo aparente con la evolución de los factores fundamentales de la
economía real (crecimiento, productividad y evolución de los términos del intercambio). La
mayor apreciación real, en todo el período, se registró en Ecuador.
La elasticidad crisis - fragilidad financiera (0,20) es la menor de las elasticidades, la
influencia del sistema financiero ha sido relativamente inocua para la mayoría de los países.
Luego de la crisis mexicana de 1994-95, se profundizó la reforma bancaria en la mayoría de
países a través de un refuerzo del marco reglamentario, destinado a perfeccionar las
normas prudenciales y la supervisión de las actividades financieras. La consolidación de la
banca latinoamericana implicó una reducción del número de instituciones en muchos países
y una mayor participación de bancos extranjeros en el capital y en la dirección de los bancos
nacionales. Estos procesos fueron muy importantes en Argentina, Brasil, Colombia, México
y Venezuela, pero se trata de una tendencia que se manifiesta en la mayoría de los países
de la región. La crisis asiática de 1997-98, puso en jaque nuevamente al sistema financiero
20
y lleva a prestar más atención al fortalecimiento de los bancos y a la adopción de normas
prudentes y de supervisión más adecuadas para evitar el alto costo de las crisis financieras.
La elasticidad crisis - M1 (-2,90) muestra una considerable relación negativa. La
interpretación intuitiva de la misma es que luego de la ocurrencia de las crisis
internacionales, se produce una remonetización del sistema, es decir, después de sufrir
estos shocks adversos, los agentes económicos no huyen de la moneda doméstica: crece la
confianza en la misma. En los lapsos de crisis, la economía se desmonetiza debido a que
los individuos tratan de convertir sus activos líquidos domésticos en divisas y sacarlos del
país.
De la misma manera, la elasticidad crisis - M2 (-2,11) muestra una relación negativa e
importante. La interpretación es similar a la anterior, sólo que implica utilizar un agregado
monetario más amplio de menor liquidez pero que refleje cómo los agentes económicos
tratan de convertir sus depósitos en divisas o se mantienen en la moneda local.
La elasticidad crisis - endeudamiento externo (4,13) es la que mayor influencia tiene en la
determinación de las crisis en Latinoamérica. El aumento de un 1% en el endeudamiento
externo, aumenta en un 4% la probabilidad de ocurrencia de shocks por crisis
internacionales. El crecimiento de la deuda externa ha llevado a los países a tener que
destinar una mayor cantidad de recursos para cubrir el servicio de la misma, excediendo los
límites de la capacidad de endeudamiento hasta el punto de volverla prácticamente
impagable. La deuda externa representa, en promedio para el período bajo estudio, más del
300% de las exportaciones y más del 30% del producto bruto. El primer coeficiente mide el
esfuerzo que debería hacer la región pagar la deuda, expresado en términos de las divisas
que habría que generar en concepto de exportaciones para destinar a tal efecto. En este
sentido mientras mayor sea esa relación, menor será la solvencia crediticia del país. El
segundo coeficiente muestra qué porcentaje de la producción anual de América Latina está
comprometido con los acreedores externos: trata de mostrar el esfuerzo que tendría que
hacer la región para pagar la deuda existente a una fecha determinada, medido como
proporción del producto bruto.
Así como las crisis perjudican el desarrollo de los países, las mejoras a nivel mundial, como
buenos términos del intercambio y precios de los exportables o crecimiento económico
global, favorecen a la región.
Se calculan, asimismo, las elasticidades de la deuda externa por países (Tabla 4), los más
afectados por las crisis han sido Argentina, Panamá, Perú y Uruguay, a un nivel de
significancia del 5%. Pero podemos incluir a Brasil y México, a un nivel de significancia del
10%. Los demás fueron no significativos.
De la Tabla 4, se infiere que el excesivo endeudamiento externo de Argentina y la
insuficiencia de reservas para hacer frente al mismo, hacen que el país sea más vulnerable,
afectando, particularmente, a los países vecinos.
21
Tabla 4
País
β
Argentina *
1,29
12,72
11,28
Bolivia
0,19
15,64
2,06
Brasil **
0,57
9,53
3,76
Chile
Colombia
Ecuador
0,37
1,30
-0,06
3,66
4,28
14,56
0,94
3,81
-0,59
México ***
0,40
9,95
2,71
Panamá *
0,76
16,45
8,63
Paraguay
2,81
3,11
6,00
Perú *
0,77
10,26
5,43
Uruguay *
1,21
6,82
5,65
Venezuela
1,05
4,48
Media Elasticidad
* Significativa al 5%
Interpretación de la Elasticidad
Ante un aumento del 1% en el ratio deuda
externa-reservas de Argentina, aumenta la
vulnerabilidad de la región en un 11,28%.
Ante un aumento del 1% en el ratio deuda
externa-reservas de Brasil, aumenta la
vulnerabilidad de la región en un 3,76%.
Ante un aumento del 1% en el ratio deuda
externa-reservas de México, aumenta la
vulnerabilidad de la región en un 2,71%.
Ante un aumento del 1% en el ratio deuda
externa-reservas de Panamá, aumenta la
vulnerabilidad de la región en un 8,63%.
Ante un aumento del 1% en el ratio deuda
externa-reservas de Perú, aumenta la
vulnerabilidad de la región en un 5,43%.
Ante un aumento del 1% en el ratio deuda
externa-reservas de Uruguay, aumenta la
vulnerabilidad de la región en un 5,65%.
3,23
** Significativa al 11%
*** Significativa al 12%
VIII. Conclusiones
El presente trabajo, a través de un modelo de datos de panel combinando observaciones de
series de tiempo y de corte transversal, estudia el comportamiento de doce economías de
América Latina ante los distintos shocks económicos que ocurrieron en las últimas dos
décadas. Se comprueba empíricamente que no existen diferenciales ni por países ni por
año. Esto permite concluir que los países de la región se comportan en “bloque”, resultando
similarmente vulnerables al efecto de los desequilibrios externos sin importar demasiado
cuán preparados estén para hacer frente a los mismos. Probablemente esto se debió a que
las crisis se sucedieron unas a otras sin darle tiempo a los países a tomar medidas de
política preventivas. No obstante, aplicaron políticas fiscales y monetarias más restrictivas
para hacer frente a estos shocks adversos, pasando a tener mayor importancia, como
objetivo de política económica, la reducción de la vulnerabilidad externa.
Así, un país es más vulnerable mientras mayores y persistentes sean los déficit en cuenta
corriente, evidencie una apreciación real por un período de tiempo prolongado, su estructura
financiera sea débil y no cuente con un nivel suficiente de reservas. Finalmente, se concluye
que contar con pobres fundamentos micro y macroeconómicos es condición necesaria pero
no suficiente para la ocurrencia de las crisis ya que existe un ataque especulativo que
transmite y profundiza los efectos de las mismas en la región, principalmente en países de
similares características.
22
Sachs, Tornell y Velasco17 trataron de descubrir si la crisis mexicana fue efecto contagio o
existían condiciones en el país que fueran causa del derrumbe, y llegan a la conclusión de
que en parte, el desordenado comportamiento previo al Tequila (bajo la forma de tipo de
cambio real sobrevaluado, excesivo otorgamiento de préstamos bancarios y bajos niveles de
reservas del Banco Central) fue elemento condicionante para su ocurrencia. Si no hubiesen
existido estas estructuras débiles, el contagio hubiera sido, al menos, de corto plazo y sus
efectos no se hubieran extendido más allá. Sin embargo, el elemento predominante fue el
pánico: con seguridad, la crisis en el sistema bancario argentino, entre Marzo y Abril de
1995, no hubiera ocurrido si no hubiese sido “provocada” por el Tequila.
“Paper tiger” es una expresión china referida a una persona, un país o algo que
aparentemente es poderoso o importante pero que en realidad es débil. Corsetti, Pesenti y
Roubini18 interpretan que la crisis asiática se evidenció a través de burbujas financieras,
excesivo endeudamiento externo y déficit de cuenta corriente y llegan a la conclusión de los
países del Este Asiático en verdad son “tigres de papel”. La caída en el nivel de actividad y
el derrumbe de las monedas sugieren que detrás de las estrategias de “overinvestment”
(debido a la garantía del gobierno), se esconde una estructura débil del sector financiero.
Los países asiáticos colapsaron debido al excesivo peso de los pasivos que financiaron
proyectos de dudosa rentabilidad, generaron pérdidas y llevaron a desequilibrios externos
insostenibles.
IX.
Bibliografía
COMISIÓN ECONÓMICA PARA AMÉRICA LATINA Y EL CARIBE, “Estudio económico
de América Latina y el Caribe, Síntesis 1996-1997”, CEPAL-Naciones Unidas
(Santiago de Chile, Agosto 1997), 33 págs.
–––––––––––––––––, “Estudio económico de América Latina y el Caribe, Síntesis 19971998”, CEPAL-Naciones Unidas (Santiago de Chile, Setiembre 1998), 32 págs.
–––––––––––––––––, “Estudio económico de América Latina y el Caribe, Síntesis 19981999”, CEPAL-Naciones Unidas (Santiago de Chile, Agosto 1999), 40 págs.
–––––––––––––––––, “Estudio económico de América Latina y el Caribe, Síntesis 19992000”, CEPAL-Naciones Unidas (Santiago de Chile, Agosto 2000), 38 págs.
–––––––––––––––––, “Estudio económico de América Latina y el Caribe, Síntesis 20002001”, CEPAL-Naciones Unidas (Santiago de Chile, 2000), págs. 35-220.
–––––––––––––––––, “Estudio económico de América Latina y el Caribe, Síntesis 20012002”, CEPAL-Naciones Unidas (Santiago de Chile, 2000), págs. 41-216.
CORSETTI, Giancarlo, PESENTI, Paolo y ROUBINI, Nouriel, “Paper Tigers? A model of
Asian crisis”, en NBER Working Paper Series, National Bureau of Economics
Research, Nº 6783 (Cambridge, November 1998), 46 págs.
FONDO MONETARIO INTERNACIONAL, “Debt and reserve related indicators of
external vulnerability”, Policy Development and Review Department (Marzo 2000),
54 págs.
GERCHUNOFF, P. y LLACH, L., “El ciclo de la ilusión y el desencanto”, (Buenos Aires,
Ariel, Sociedad Económica, 1998), págs. 381-462.
GREENE, William H.; “Análisis econométrico”, 3ª Ed. (Madrid, Prentice Hall Iberia, 1999),
752 págs.
17
SACHS, Jeffrey, TORNELL, Aaron y VELASCO, Andrés, Op. cit.
18
CORSETTI, Giancarlo, PESENTI, Paolo y ROUBINI, Nouriel, Op. cit.
23
GUJARATI, Damodar, “Basic Econometric”, 3ª Ed. (New York, McGraw-Hill, 1995), 838
págs.
–––––––––––––––––, “Econometría”, 2ª Ed. (Buenos Aires, McGraw-Hill, 1992), 597 págs.
MADDALA, G.S., “Introduction to Econometrics”, 2ª Ed. (New York, Macmillan Publishing
Company, 1992).
MARTNER, Ricardo, “Política fiscal, ciclo y crecimiento”, Revista de la CEPAL Nº 64
(Santiago de Chile, Abril 1998), págs. 73-90.
RIOS ROLLA, Mariela, “Datos de Panel. Estimación de Efectos Fijos y Aleatorios”,
Facultad de Ciencias Económicas, Universidad Nacional de Cuyo, Mimeo (Mendoza,
Noviembre 2001), 27 Págs.
SACHS, Jeffrey, TORNELL, Aaron y VELASCO, Andres, “Financial crises in emerging
markets: the lessons of 1995”, en NBER Working Papers Series, National Bureau
of Economic Research, Nº 5576 (Cambridge, Mayo 1996), 65 págs.
SOSA ESCUDERO, Walter, “Tópicos de Econometría Aplicada”, Documentos de
Trabajo, Universidad Nacional de La Plata, Nº 12 (Marzo, 1999), págs. 36-48.
TRAPÉ, Alejandro, “Períodos de política económica en Argentina (1800-2000)”, Facultad
de Ciencias Económicas, Universidad Nacional de Cuyo, Mimeografía (Mendoza,
Mayo 2004), 145 Págs.
24