ANÁLISIS DE MULTIPLICADQRES EN MODELOS ECONOMETRICOS ARACELI RENDÓN TREJO* ANDRÉS MORALES ALQUICIRA* INTRODUCCIÓN En la economía así como en todas las actividades ligadas con la planeación, el pronóstico y la toma de decisiones, el análisis de los efectos que producen en las variables dependientes los cambios en los valores de las variables independientes , adquiere especial importancia. ¿Qué efecto tendrá un incremento en los impuestos de los energéticos sobre el consumo de energía eléctrica?, y aún más ¿Qué impacto tendrá sobre las exportaciones de manufacturas en la industria automotriz?, ¿Cómo repercutirá sobre el empleo del sector servicios ? Suponemos que el incremento de impuestos en los energéticos y el consumo de energía eléctrica esta estrechamente ligado , sin embargo, los efectos de los impuestos con el empleo del sector servicios al parecer sería menor. Para efectos de análisis económico , en particular cuando se requiere tomar decisiones, es insuficiente señalar un menor o mayor efecto , es necesario medirlo, tener una estimación significativamente válida. Este artículo tiene como objetivo mostrar el uso de los multiplicadores en el análisis de impacto de cambios o variaciones en los valores de variables independientes en modelos econométricos. En primer lugar se presenta el cálculo de los multiplicadores en un modelo unicuacional , enseguida de uno multiecuacional , cada proceso de cálculo se ejemplifica , los cálculos se desarrollan mediante el paquete econométrico Econometric Views (Ev). * Profesora y profesor-investigador del Departamento de Política y Cultura de la UAM-Xochimilco. 155 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales MULTIPLICADORES EN MODELOS UNIECUACIONALES En esta sección se describe el cálculo e interpretación de los multiplicadores en un modelo uniecuacional dinámico , para procesarlo se utiliza el paquete Econometric Views (Ev). El tema se desarrolla mediante el modelo uniecuacional dinámico: CE = ¡30CEt -1,11YPDa1 Donde: CE = Consumo privado. CEt-1= Consumo privado rezagado un periodo. YPD= Consumo personal disponible. P o= Coeficiente del término independiente (1). R1 = Exponente del consumo privado rezagado un periodo. a1= Exponente del consumo personal disponible. Con el objeto de trabajar con elasticidades, el modelo se trasforma en: Log CE= Log PO+(3l Log CEt-1+a1 log YPD Conviniendo en Log Ro=Ro Log CE= ío+Pl Log CEt-1+a1 log YPD Utilizando la nomenclatura del paquete Ev el modelo se expresa como: LCE=Pp+(31 LCE(-1)+al LYPD Donde: LCE = Logaritmo de consumo privado. LCE(-1) = LCE rezagado un periodo. LYPD = Logaritmo del consumo personal disponible. 156 Araceli Rendón Trejo y Andrés Morales Alquicira Los datos de consumo e ingreso personal disponible del período 1970-1995 se presentan en el cuadro 1. Cuadro 1 Consumo e Ingreso Personal Disponible ,1970 a 1995. obs. 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1991 1992 1993 1994 1995 CE 1360.58 1702.3 1822.19 1948.69 2026.32 2124.36 2203.62 2264. 52 2421. 98 2636.99 2908.76 3123.2 3045.99 2882.75 2976.64 3074.72 2995.28 2991.24 3045.5 3252.1 3618.57 3759.97 3767.33 3907.08 3404.41 YPD 2083.49 2116.66 2282.71 2469.64 2600.41 2710.85 2798.3 2866 .6 3095 .14 3391.57 3704.89 3992.02 3804.65 3551.91 3777.98 3941.43 3657.64 3830.46 3910.56 4398.33 4539.83 4649.47 4615.73 4778.15 4412.6 LCE 7.3966 7.4397 7.5077 7.5749 7.6139 7.6612 7.6978 7.7251 7.7923 7.8773 7.9754 8.0466 8.0215 7.9665 7.9985 8.0309 8.0047 8.0034 8.0214 8.1461 8.1938 8.2321 8.2341 8.2705 8.1328 LYPD 7.6199 7.6575 7.7331 7.8118 7.8634 7.9052 7.9367 7.9608 8.0375 8.129 8.3127 8.3873 8.3392 8.2705 8.3322 8.3746 8.2998 8.346 8.3667 8.4842 8.5159 8.5398 8.5325 8.5671 8.4875 157 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales La instrucción para que el paquete EV procese el modelo es: LS LCE C LCE(-1) LYPD .J1 El paquete genera un cuadro de resultados que muestra los coeficientes del modelo, sus pruebas de significancia y las pruebas básicas del modelo, ver cuadro 2. Cuadro 2 Modelo uniecuacional, resultados generales y pruebas de significancia LS// dependent Variable is LCE Sample: 1971-1995 Included Observations: 25 after adjusting endpoints. Variable Coefficient Std. Error T-Statistic C 0.126466 -1.678746 -0.212304 LCE(-1) 0.133493 0.063325 2.108062 LYPD 0.868267 0.069172 12.55222 R-Squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.99575 0.995364 0.016303 0.005847 69.035 1.695691 Mean dependent var S.D. dependent var Akaike info criterion Schwartz criterion F-statistic Prob(F-statistic) Prob. 0.1074 0.0466 0 7.930256 0.239435 -8.120677 -7.974412 2577.416 0 Seleccionando en el menú View seguida de Representations aparece la ecuación estimada, en este caso es: Estimation Command: LS LCE C LCE(-1) LYPD Estimation Equation: LCE= C(1) + C(2)*LCE(-1) + C(3)*LYPD Substituted Coefficients: LCE= -0.21230417 + 0.13349276*LCE(-1) + 0.86826706*LYPD 1 Mediante el símbolo .J "enter" se indica al paquete EV que procese la instrucción. 158 Araceli Rendón Trejo y Andrés Morales Alquicira Con ésta información se calculan los multiplicadores de impacto, (S Yt=i l Xt=1). d LCE t=1 /d LYPD t=1 = 0.8682 d LCE t=2 /d LYPD t=1 = 0.8682(0.1334)= 0.1159 d LCE t=3 Id LYPD t=1 = 0.8682(0.1334)2= 0.0154 El multiplicador acumulado o de largo plazo (LP) es igual a: MLP= (Xl/( 1-(31)= 0.8682/(1-0.1334)= 1.00203 Dado que 1 R1 1 < 1 el modelo es convergente, por lo tanto puede ser usado para pronosticar. En este modelo se ha supuesto que no se modifica la información original por choques de la variable independiente YPD. CÁLCULO DE MULTIPLICADORES USANDO "CHOQUES" Cuando el objetivo es medir el efecto que tendrá una variación en el valor de una variable independiente sobre la dependiente en el tiempo, se recurre al análisis de multiplicadores a través de choques. Para evaluar el impacto de los multiplicadores mediante choques se trabaja con las series originales, en el ejemplo, el programa ha calculado los coeficientes del modelo en forma logarítmica, Po, R1, al representan elasticidades, es decir, cambios relativos en la variable endógena (dependiente) que resultan de cambios relativos en las variables exógenas (independientes). La elasticidad (e) de YPD con información original se expresa como:2 2 Para un análisis más detallado consulte: Gujarati Damodar N., Econometría, McGraw-Hill, México, 1991. 159 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales CEH1-CEH CE CEH CE e YPDH1- YPDH YPD YPDH YPD Para éste ejemplo se supone que hay interés en conocer cual será el efecto que tendrá una variación del 10%o en ingreso (YPD), sobre el consumo, (CE), a partir de 1980. Es decir, se mide el efecto: CEH1 - CEH CE CEH CE e= 0.01 0.01 Para ello se requiere generar (estimarlas) las series históricas CEH, CEH1. Esto se calcula mediante la opción Forecast del paquete. - Obtención del logaritmo de consumo privado histórico LCEH. Procedimiento: 1) Seleccionar Forecast.3 2) Cambiar LCEF por LCEH. 3) La muestra debe ser 1970-1995. 4) Se opta por solución mediante el procedimiento denominado Dynamic. 5) Por último se opta por Forecast evaluation y se elige OK. 3 Para más información consulte: Quantitative Micro Software, Econometric Views, Command and Programming Reference, Irvine, California, USA, 1994. Quantitative Micro Software, Econometric Views, User's Guide, Irvine, Califoraia, USA, 1994. L60 Araceli Rendón Trejo y Andrés Morales Alquicira Enseguida aparece la siguiente información, cuadro 3: Cuadro 3 Evaluación del pronóstico (Forecast evaluatíon). Actual: LCE Forecast: LCEH Sample:1971.1995 Include observations: 25 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion 0.015254 0.011761 0.147328 0.000961 0.000281 Variance Proportion 0.002501 Covariance Proportion 0.997219 Se ha pronosticado LCEH. - Calculo del Logaritmo del consumo personal disponible (LYPD) modificado. Supongamos que existe interés por aplicar un incremento de 1, por ciento en el valor de la variable consumo personal disponibi (recuerde que esta en escala logarítmica) en el año de 1980. Para implementarlo se requiere: 1) Cambiar la muestra ya que el choque se hará en 1980, para ello se i liza, SMPL 1980-1995. 2) Generar LYPD modificado en 10 por ciento mediante la formula: GENR LYPD= LOG (YPD*1.1) - Obtención de logaritmo de consumo privado histórico 1 (LCEH1). Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Procedimiento: 1) Se selecciona Forecast. 2) Se cambia LCEF1 por LCEH1. 3) Modificación del tamaño de muestra, SMPL 1970-1995. 4) Se resuelve mediante: Dynamic. 5) Optar por: Forecast evaluation. 6) OK. Econometric Views genera la siguiente información, cuadro 4. Cuadro 4 Evaluación del pronóstico (Forecast evaluation). Actual: LCE Forecast: LCEH1 Sample: 1971-1995 Include observations: 25 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient 0.076482 0.063049 0.782876 0.004801 Bias Proportion 0.621167 Variance Proportion Covariance Proportion 0.277457 0.101376 En el cuadro 4 se muestra que el logaritmo de consumo privado rico 1 (LCEH1) se ha pronosticado. 'ara observar las series, se escribe en la barra de instrucciones LCEH LCEH1. Al oprimir enter (.J) aparecen las variables selecdas, cuadro 5. Araceli Rendón Trejo y Andrés Morales Alquicira Cuadro 5 Variables seleccionadas Obs LCEH 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 7.9754 8.052 8.0205 7.9566 8.0017 8.0445 7.9853 8.0175 8.0397 8.0834 8.1506 8.1871 8.2127 8.2097 8.2394 8.1742 LCEH1 8.0581 8.1458 8.1158 8.0521 8.0972 8.14 8.0808 8.113 8.1352 8.1789 8.2461 8.2826 8.3082 8.3053 8.3349 8.2697 - Obtención del consumo privado histórico y consumo privado histórico 1 (CEH, CEH1). Para elaborar estas series se utiliza la instrucción GENR. GENR CEH= EXP(LCEH) GENR CEH1= EXP(LCEH1) Para observar las series se utiliza la instrucción SHOW, para ello se escribe en la ventana de instrucciones: SHOW CEH CEH1 Al oprimir enter (.J) aparecerán las variables CEH y CEH1, ver cuadro 6. 163 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Cuadro 6 Variables seleccionadas Obs CEH CEH1 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 2908.64 3140.31 3042.9 2854.57 2986.1 3116.64 2937.58 3033.66 3101.97 3240.28 3465.63 3594.34 3687.51 3676.79 3787.41 3548.53 3159.59 3449.13 3347.08 3140.54 3285.33 3428.96 3231.96 3337.67 3412.82 3564.99 3812.93 3954.54 4057.04 4045.26 4166.95 3904.14 Para imprimir se utiliza la instrucción PRINT. Para ver gráficamente las series se utiliza la instrucción VIEW y la opción GRAPH de la siguiente manera: View Graph A continuación aparecerá la gráfica deseada. - Cálculo del multiplicador acumulado. El multiplicador acumulado (MAC) se procesa con la instrucción GEN mediante la fórmula: 164 Araceli Rendón Trejo y Andrés Morales Alquicira GENR MAC= ((CEH1 - CEH)/CEH/.1)) .1 Con la opción SHOW MAC los datos aparecen en pantalla, ver cuadro 7. Cuadro 7 Multiplicador acumulado 1980-1995 // mac= ((cehi-ceh)/ceh)/1)) 1970 1975 1980 1985 1990 1995 2000 NA NA 0.8627 1.0021 1.0021 1.0021 NA NA NA 0.9834 1.0021 1.0021 NA NA NA NA 0.9996 1.0021 1.0021 NA NA NA NA 1.0017 1.0021 1.0021 NA NA NA NA 1.002 1.0021 1.0021 NA NA Observe que en la parte superior de la tabla se muestra la fórmula que genera a la serie (en éste caso MAC). - Cálculo de multiplicadores de impacto. Se pueden generar dos tipos de multiplicadores de impacto (MI), para un año específico o para un período, en este ejemplo se calculan para 1980 y para el período 1981-1995. Los multiplicadores para un año se conocen como multiplicadores de impacto de corto plazo. En este caso el multiplicador para 1980 lo representaremos como MI 1980, su proceso de cálculo es: 1) Cambio de muestra SMPL 1980 1980. 2) GENR MI= MAC Para generar los multiplicadores de impacto para el período 1981-1995 se utiliza el proceso: 165 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales 1) SMPL 1981-1995 2) GENR MI= D(MAC) 3) SMPL 1980-1995 4) SHOW MI MAC Enseguida aparecerá la tabla de multiplicadores, cuadro 8. Con las opciones de View y Graph , se obtienen las gráficas de los multiplicadores. Cuadro 8 Multiplicadores : acumulado y de impacto obs MAC MI 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 0 . 862753 0 . 983421 0 . 99963 1 . 001796 1 . 002085 1 .002124 1.002129 1. 002129 1 . 002129 1. 002129 1. 002129 1. 002129 1. 002129 1. 002129 1.002129 1. 002129 0. 862753 0. 120668 0. 016209 0 . 002166 0. 000289 3 . 86E-05 5 . 15E-06 6.88E-07 9 . 18E-08 1.23E-08 1 . 64E-09 2 . 18E-10 2 . 91E-11 3. 89E-12 5 . 07E-13 5.88E-14 Resultados 1. Dado que 1 p, 1 <1, 1 p, 1 = 0 . 1334, el modelo es convergente y por lo tanto puede utilizarce en pronósticos. 2. El MCP en 1980 indica que la variable independiente YPD impacta al CE en 0 . 862% por cada incremento del 1%. 3. Cuando se da un choque de 10% en YPD el efecto sobre CE es similar 9.9%. 4. El MAC se estabiliza en 1986 y alcanza un valor de 1.002129%. 166 Araceli Rendón Trejo y Andrés Morales Alquicira MULTIPLICADORES EN MODELOS MULTIECUACIONALES Cuando se resuelve un modelo multiecuacional, los coeficientes i representan el impacto promedio de las variables exógenas y endógenas rezagadas sobre las endógenas para el lapso de tiempo considerado en la muestra.4 Los coeficientes se expresan como propenciones, elasticidades u otro indicador dependiendo del tipo de modelo, ya sea lineal, logarítmico u otra forma funcional. Es frecuente que además de la información antes descrita, se requiera estimar cual será el impacto a mediano y largo plazo de una variable en el tiempo, aún más que modificaciones se pueden generar en las variables cuando se instrumenta un cambio en una serie como producto de la aplicación de una política económica. Estas interrogantes pueden contestarse utilizando multiplicadores. En esta sección se presenta una aplicación de los multiplicadores en un modelo multiecuacional. Para ello se utiliza el modelo: GDP=C(1)*CE+C(2)* GVCE+C(3)*IFP+C(4)*IFG+C(5)*II+C(6)*TEBGS+ C(7)*TMBGS LCE=C(8)+C(9)*LGDP+C(10)*LCE(-1)+C(1 1)*D(LPRC)+C(12)*D(LFM4R) IFP=C(13)+C(14)*IFP(-1)+C(15)*GDP+C(16)*GDP(-1)+C(17)*D(PRC)+C(18)*D (FPRIVR) TEBGS=C(19)+C(20)*D(PRC)+C(21)*USGNPR TMBGS=C(22)+C(23)*TMBGS(-1)+C(24)* PRC+C(25)*GDP+C(26)*APEMEX Donde: GDP = Producto interno bruto GVCE = gasto público IFP = inversión pública II = variación de existencias LPRC = logaritmo del tipo de cambio real 4 Robert S. Pindyck y Daniel L. Rubinfeld. Econometric Model and Economic Forecast. Tirth Edition Me Graw Hill, 1991. 167 Reflexiones Finiseculares : las Matemáticas en las Ciencias Sociales LFM4R = logarítmo del m4 real PRC = tipo de cambio real FPRIVR = financiamiento al sector privado USGNPR = producto interno bruto de Estados Unidos APEMEX = apertura comercial c(1) a c(26)= coeficientes de las variables Este modelo es resuelto por mínimos cuadrados bietápicos (MCB). El paquete EV genera la siguiente tabla de resultados , cuadro 9. En principio el modelo es aceptable , sólo dos coeficientes presentan problemas de significancia , c(13), y c(17), sin embargo esto no es grave , ya que el primero es la ordenada al origen de la función IFP, y el segundo la diferencia del tipo de cambio real de la misma función. Una vez resuelto el modelo se pueden ver los efectos sobre las variables endógenas , para ello se selecciona: System (observe que se está trabajando con un sistema, en este caso con System: SYS3) Procs Make Endogenous Group Los resultados aparecen en el cuadro lo. 168 Araceli Rendón Trejo y Andrés Morales Alquicira Cuadro 9 Cálculo del modelo multiecuacional mediante mínimos cuadrados bietápicos.5 System: SYS3 Estimation Method: Two-Stage Least Squares Sam.ple: 1970-1995 Instruments : GVCE IFG II LPRC LFM4R PRC PRIVR USGNPR APEMEX C prob. Coefficient Std. Error T-Statistic C(1) 1.000001 1.04E-06 962025.6 0 C(2) 1.000008 5.29E-06 188961.5 0 C(3) C(4) C(5) C(6) C(7) C(8) C(9) C(10) C(11) C(12) C(13) C(14) 0.999988 0.999997 0.999994 0.999995 -0.999993 0.42685 0.394604 0.531061 -0.157777 0.208303 -28.7935 0.756301 7.03E-06 1.70E-06 4.11E-06 3.12E-06 4.33E-06 0.148163 0.1345 0.137712 0.042035 0.065392 31.72668 0.069765 142160.4 587508.2 243600 320218.8 -231145.9 2.880953 2.933863 3.856328 -3.753499 3.185455 -0.907549 10.84076 0 0 0 0 0 0.0049 0.0042 0.0002 0.0003 0.0019 0.3663 0 C(15) 0.218252 0.057464 3.798079 0.0003 C(16) C(17) 0(.18) -0.185137 -90.21049 0.20363 0.055377 55.19537 0.039763 -3.343186 -1.634385 5.121107 0.0012 0.1053 0 C(19) -1218.015 95.27618 -12.78404 0 C(20) C(21) C(22) C(23) C(24) C(25) C(26) 325.2302 0.631097 313.8611 0.466659 -435.0015 0.090146 227.1144 105.1797 0.031677 52.75835 0.058319 41.31544 0.014872 33.08679 3.09214 19.92314 5.949032 8.001898 -10.52879 6.061544 6.8642 0.0026 0 0 0 0 0 0 5 Una exposición detallada sobre mínimos cuadrados bietápicos se encuentra en: Makridakis, S., S. C. Wheelwright, y Victor E. Mc. Gee, Forecasting: Methods and Applications, 2a. ed. New York, John Wiley & Sons, 1983. 169 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Cuadro 9 (continuación) Equation: GDP=C(1)* CE+C(2)* GVCE+C(3)*IFP+C(4)*IFG+C(5)*II+C(6)*TEBGS+C(7)*TMBGS Observations: 26 R-squared 1.000000 Mean dependent var 4317.498 Durbin-Watson 2.218559 Adjusted R-squared 1.000000 S.D. dependent var 1088.792 S.E. of regression 0.000295 Sum squared resid 1.65E-06 Equation: LCE=C(8)+C(9)*LGDP+C(10)*LCE(-1)+C(1 1)*D(LPRC)+C(12)*D(LFM4R) Observations: 25 R-squared 0.992965 Mean dependent var 7.930256 Adjusted R-squared 0.991558 S.D. dependent var 0.239435 S.E. of regression 0.022000 Sum squared resid Durbin-Watson stat 0.009680 2.175073 Equation: IFP=C( 13)+C(14)*IFP(-1 )+C(15)*GDP+C ( 16)*GDP(1)+C(17)*D(PRC)+C(18)* D(FPRIVR) Observations: 25 R-squared 0.981890 Mean dependent var 582.9418 Durbin-Watson 2.134048 170 Araceli Rendón Trejo y Andrés Morales Alquicira Adjusted R-squared S.D. dependent var 0.977124 187.4227 S.E. of regression 28.34748 Sum squared resid 15268.02 Equation: TMBGS=C(19)+C(20)*D(PRC)+C(21)*USGNPR Observations: 25 R-squared 0.948741 Mean dependent var 653.2644 1.089845 Durbin-Watson Adjusted R-squared 0.944081 S.D. dependent var 370.0200 S.E. of regression 87.49935 Sum squared resid 168435.0 Equation: TMBGS=C(22)+C(23)*TMBGS(-1)+C(24)*PRC+C(25)* GDP+C(26)*APEMEX Observations: 25 R-squared 0.979698 Mean dependent var 509.1233 Durbin -Watson 2.627819 Adjusted R-squared 0.975638 261.4669 S.D. dependent var S.E. of regression 40.81056 Sum squared resid 33310.04 171 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Cuadro 10 Efectos sobre las variables endógenas obs 1970 1971 1972 GDP 2340.751 2428.821 2628.684 LCE 7.396693 7.439737 7.507799 IFP 323.258 348.066 359.018 TEBGS 159.773 164.321 187.23 TMBGS 230.681 220.785 254.87 1995 5444.9 8.132829 668.452 1469.736 808.048 Las gráficas de las variables endógenas se obtienen seleccionando: View -* Multiple Graphs El paquete genera en forma automática las gráficas de las cinco variables. (Ver gráfica 1) Gráfica 1 Gráficas de GDP, LCE, IFP, TEBGS y TMBGS (efectos sobre las variables endógenas) 8.40 8.20 8.00 7.80 7.60 7.40 7.20' 70 72 74 76 78 80 82 84 86 88 90 92 94 -GDP 172 70 72 74 76 78 80 82 84 86 88 90 92 94 'LCE Araceli Rendón Trejo y Andrés Morales Alquicira 1600 14001 1200 1000 800 600 400 1 200 200 01 70 72 74 76 78 80 82 84 86 88 90 92 94 70 72 74 76 78 80 82 84 86 88 90 92 94 4 FP * TEBGS 1200 1100 1000 900 800 700 600 500 400 300 200 70 72 74 76 78 80 82 84 86 88 90 92 94 4 TMBGS Los residuos se obtienen seleccionando: System Procs Make Residuals Los residuos de las cinco variables se presentan en el cuadro 11. 173 Reflexiones Finiseculares : las Matemáticas en las Ciencias Sociales Cuadro 11 Efectos sobre las variables endógenas 1970 1971 1972 1973 RESID1 (GDP) 0.000199 0.00019 -0.000253 -0.000309 RESID2 (LCE) NA -0.007723 -0.000643 0.0149 RESID3 ( IFP) NA 28.12882 -9.364422 -14.41884 RESID4 (TEBGS) NA 53.60073 12.89541 -21.57333 RESIDE (TMBGS) NA 0.058879 12.84209 4.911859 1995 9.94E-05 0.000778 21.26845 36.13385 -63.46204 Obs Las gráficas de los residuales se obtienen aplicando: View Multiple Graphs El paquete E vIEws presenta las cinco series de residuales, a manera de ejemplo se muestran los residuales de las variables GDP y LCE , RESID1 y RESID2 respectivamente. (Ver gráfica 2) Gráfica 2 Gráficas de residuales de GDP y LCE 0.0008 0.0006 0.0004 0.0002 0 -0.0002 -0.0004 -0.0006 -00008 GDP RESIDUALS 174 LCE RESIDUALS Araceli Rendón Trejo y Andrés Morales Alquicira El paquete Ev da la posibilidad de renombrar los errores o residuales. Aquí se renombran anteponiendo la letra u a las variables endógenas del modelo. El cuadro 12 muestra los cambios. Cuadro 12 Renombre de las variables endógenas Obs 1970 1971 1972 1973 UGDP 0.000199 0.00019 -0.000253 -0.000309 ULCE NA -0.007723 -0.000643 0.0149 UIFP NA 28.12882 -9.364422 -14.41884 UTEBGS NA 53.60073 12.89541 -21.57333 UTMBGS NA 0.058879 12.84209 4.911859 1995 9.94E-05 0.000778 21.26845 36.13385 -63.46204 Al renombrar los errores de las variables endógenas, sus gráficas cambian automáticamente de nombre. (Ver gráfica 3) Gráfica 3 Gráficas de residuales de UGDP y ULCE 0. 04 0.02 -0.02 -0.04 Con Procs -* Make Model, el modelo aparece con el valor de sus coeficientes: 175 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales GDP=1.0000014*CE+1.0000082*GVCE+0.99998828*IFP+0.99999744*IFG+0.999 99427*11 +0.99999474*T EBGS-0.99999287*TMBGS LCE=0.42684972+0.39460353*LGDP+0.53106106*LCE(-1)-0.15777684*D(LPRC) +0.20830289*D(LFM4R) IFP=-28.793502+0.75630064*IFP(-1)+0.21825246*GDP-0.18513723*GDP(-1)0.21049*D(PRC) + 0.20362966*D(FPRIVR) TE B GS=-1218.0147+3 2 5.23 02 5 * D(PRC)+0.63109674 * US GNPR TMBGS=313.86112+0.46665903*TMBGS(-1)-435.00146*PRC+0.090145982*GDP+ 227.11436*APEMEX Para estimar las tendencias históricas se agregan al modelo variables asignadas, así como los mecanismos que permitan conectar las variables que están expresadas en logaritmos con las que utilizan información en escala normal. Para asignar las variables se utiliza la instrucción ASSIGN. En este ejemplo se usan como variables asignadas: ASSIGN GDP GDPH LGDP LGDPH LCE LCEH IFP IFPH TEBGS TEBGSH TMBGS TMBGSH CE CEH El vínculo entre variables con información logarítmica y normal se establece mediante: LGDP = log(GDP) LPRC = lOg(PRC) LFM4R log(FM4R) Con esto, los coeficientes del modelo resultan: GDP=1.0000014*CE+1.0000082*GVCE+0.99998828*IFP+0.99999744*IFG+ 0.99999427*II+0.99999474*T EBGS-0.99999287*TMBGS 176 Araceli Rendón Trejo y Andrés Morales Alquitira LCE=0.42684972+0.394603 53 *L GDP+0.53106106*LCE(-1)-0.1577 7684* D(LPRC ) +0.2083 02 89* D (LFM4R) IFP=-28.793504+0.75630064*IFP(-1)+0.21825246*GDP-0.18513724*GDP(-1)90.21051 *D(PRC)+0.20362965 *D(FPRIVR) TEBGS=-1218.0146+325.23024*D(PRC)+0.6310967*USGNPR TMBGS= 313.86112+0.466659*TMBGS(-1)-435.00147*PRC+0.090145988*GDP +227.11436*APEMEX CE=EXP(LCE) Una vez resuelto el modelo, las series históricas estimadas se pueden ver seleccionandolas. En este ejemplo se seleccionan CE y su estimada CEH. (Ver cuadro 13) Cuadro 13 Valores de las variables CE y su histórica CEH obs CE CEH obs CE CEH 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1630.583 1702.303 182 2.198 1948.696 2026.323 2124.366 2203.622 2264.529 2421.986 2636.996 2908.761 3123.209 3045.994 1630.583 1682.623 1805.425 1912.776 2007.35 2145.15 2144.259 2201.494 2521.274 2785.258 2926.724 3178.547 3958.188 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 2882.755 2976.643 3074.72 2995 .283 2991.249 3045.502 3252.104 3449.905 3618.573 3759.976 3767.331 3907.084 3404.416 2812.611 3031.875 3040.601 3107.029 3247.294 3171.646 3424.685 3550.214 3586.572 3605.068 3707.645 3792.708 3294.16 177 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Si se requiere una representación gráfica de las variables se utiliza: View Multiple Graphs A continuación aparecen las series en un formato predeterminado, este tiene la posibilidad de modificarse en el mismo paquete o exportarse a Excel o Lotus. (Ver gráfica 4) Gráfica 4 Gráfica de las series CE y su histórica CEH 4000 3500 3000 2500 2000 1500 70 72 74 76 78 80 82 84 86 88 90 92 94 --*-CE —II—CEH El procedimiento se puede repetir para las demás variables, por ejemplo si selecciona los valores de GDP y su tendencia histórica GDPH tendrá. (ver cuadro 14) 178 Araceli Rendón Trejo y Andrés Morales Alquicira Cuadro 14 Valores de las variables GDP y su histórica GDPH Obs GDP GDPH I Obs GDP GDPH 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 2340.751 2428.821 2628.684 2835.328 2999.12 3171.404 3311.499 3423.78 3730.446 4092.231 4470.077 4862.219 4831.689 2340.751 2312.585 2604.049 2844.005 2981.14 3149.184 3309.084 3539.451 4006.656 4361.946 4438.908 4884.226 4667.539 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 4628.937 4796.05 4920.43 4735.721 4823.604 4883.679 5047.209 5271.539 5462.729 5615.955 5649.674 5848.47 5444.9 4378.934 4716.549 4775.546 4999.34 5142.962 4904.395 5307.707 5422.947 5341.949 5429.357 5572.303 5905.35 5223.695 La gráfica de GDP y GDPH se elabora en forma similar a la gráfica de CE y CEH. (Ver gráfica 5) 179 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Gráfica 5 Gráfica de las series CE y su histórica CEH 6000 50001 40001 3000 20001 70 72 74 76 78 80 82 84 86 88 90 92 94 --*-GDP -*-GDPH Para obtener los valores de las series asignadas, se utilizan las instrucciones: System 4Procs 4Make Endogenous Group Los valores de las variables asignadas se muestran en el cudro 15. 180 Araceli Rendón Trejo y Andrés Morales Alquicira Cuadro 15 Valores de las variables asignadas Ob8 CDPH LCDPH LPRC LFM4R LCEH IFPH TEBGSH TMRGSH CEH 1970 1971 2340 . 751 2312 .585 7 .758227 7.746121 0 . 171149 0. 160195 6.702887 6.773884 7 .396693 7.428109 323 .258 294.5683 159 .773 110.7202 230.681 210.2479 1630.583 1682.623 1995 5223.695 8.56096 0.414984 8.016935 8 .099907 609.3747 1433 .602 823 .7921 3294.16 Las gráficas se obtienen en forma similar a las desarrolladas en los puntos anteriores. Gráfica 6 Gráfica de las series asignadas GDPH y LGDPH 8.8 6000 5000 4000 3000 2000 70 75 80 85 90 95 -'♦- GDPH 90 95 -'♦-LGDPH A partir del modelo: ASSIGN GDP GDPH1 LGDP LGDPHI LCE LCEH1 IFP IFPH1 TEBGS TEBGSHI TMBGS TMBGSH1 CE CEH1 GDP=1.0000014*CE+1.0000082*GVCE+0.99998828*IFP+0.99999744*IFG+ 0.99999427*11 + 0.99999474*T EBGS-0.99999287*TMBGS LGDP=LOG(GDP) LPRC=LOG(PRC) LFM4R=LOG(FM4R) 18: Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales LCE=0.42684972+0.39460353*LGDP+0.53106106*LCE(-1)-0.15777684*D(LPRC) +0.2083 0288 *D(LFM4R) IFP=-28.793504+0.75630064*IFP(-1)+0.21825246*GDP-0.18513724*GDP(-1)90.210501*D(PRC)+0.20362965*D(FPRIVR) TEBGS=-1218.0146+325.23024*D(PRC)+0.6310967 *USGNPR TMBGS=313.86112+0.466659*TMBGS(-1)-435.00147*PRC+0.090145988*GDP+ 227.11436*APEMEX CE=EXP(LCE) se obtienen las series históricas GDPH y GDPH1, ver cuadro 16. Cuadro 16 Valores de las variables históricas GDPH y GDPH1 Obs GDPH GDPHI 1970 1971 1972 2340.751 2312.585 2604.049 2340.751 2312.585 2604.049 1973 2844.005 2844.005 1974 1975 1976 1977 1978 1979 1980 1981 1982 2981.14 3149.184 3309.084 3539.451 4006.656 4361.946 4438.908 4884.226 4667.539 2981.14 3149.184 3309.084 3539.451 4006.656 4361.946 4498.205 4958.012 4883.483 I Obs GDPH GDPH1 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 4378.934 4716.549 4775.546 4999.34 5142.962 4904.395 5307.707 5422.947 5341.949 5429.357 5572.303 5905.35 5223.695 4641.877 4997.341 5085.493 5383.804 5536.748 5256.045 5675.042 5779.728 5676.102 5740.215 5868.589 6196.694 5554.7 Su gráfica (gráfica 7) muestra que los valores de GDPHI tiene abres inferiores a los de GDPH a partir de 1980. 2 Araceli Rendón Trejo y Andrés Morales Alquicira Gráfica 7 Gráfica de las series GDPH y GDPH1 7000 60001 50001 40001 30001 2000 ^--H} 70 72 74 76 78 80 82 84 86 88 90 92 94 F^-GDPH --W-GDPH1 APLICACIÓN Y MEDICIÓN DE CHOQUES Supongamos que aplicamos un incremento de 15% en el tipo de cambio real (PRC) a partir de 1980. Para generar la serie, en primer lugar se cambia la muestra de 1980 a 1995, enseguida se aplica: GENR PRC= PRC*1.15 Nuevamente se cambia la muestra, ahora de 1970 a 1995, se retoma el modelo y se resuelve. A continuación se genera el multiplicador de GDP. El multiplicador se obtiene mediante la fórmula: MGDP=((GDPH 1-GDPH)/GDPH)/0.15 183 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Con el paquete EV se escribe: GENR MGDP=((GDPH1-GDPH)/GDPH)/0.15 Los multiplicadores de las demás series son, para las exportaciones de bienes y servicion no factoriales. GENR MTEBGS=((TEBGSH1-TEBGSH)/TEBGSH)/0.15 Para las importaciones de bienes y servicion no factoriales. MTMBGS=((TMBGSH 1-TMBGSH)/TMBGSH)/0.15 Al analizar los valores de los tres multiplicadores, se obtiene un comparativo de los efectos de incrementar 15% en el tipo de cambio real sobre las variables del modelo. (ver cuadro 17). Del análisis se deduce que: En el corto plazo las importaciones son más sensible a los cambios del PRC. El GDP es la variable menos sensible. En el largo plazo la variable más afectada es importación, y la menos impactada exportaciones. 184 Araceli Rendón Trejo y Andrés Morales Alquicira Cuadro 17 Valores de los multiplicadores obs MGDP 1980 1981 0.089056 0.100713 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 MTEBGS MTMBGS 0.736567 -0.052724 -0.685457 -0.82492 0.308434 0.261242 -1.774438 0.400315 0.396888 0.432686 0.512687 0.510452 0.478006 0.461386 0.438606 0.417017 0.381699 0.354474 0.328904 0.42244 0.057597 -0.10091 0.003376 0.146092 -0.000225 -0.138513 -0.02371 -0.019261 -0.037933 -0.031279 -0.017367 0.011672 0.10531 -3.568158 -2.686289 -1.758183 -2.431916 -2.708676 -1.742713 -1.19226 -0.936696 -0.74712 -0.609124 -0.529084 -0.499038 -0.856638 Como se observa en la gráfica 8, los multiplicadores tienen diferentes comportamientos, el multiplicador mgdp tiene exclusivamente valores positivos, el multiplicador mtebgs alterna entre valores positivos y negativos, finalmente el multiplicador mtmbgs tiene sólo valores negativos. De las gráficas se pueden deducir conclusiones por año, tendencias, relaciones entre efectos y más elementos que permitan tomar decisiones adecuadas. Un campo importante donde se aplican estas herramientas es en la planeación, el poder que tienen como simuladoras, hacen de ellas un instrumento eficaz para su aplicación. 185 Reflexiones Finiseculares: las Matemáticas en las Ciencias Sociales Gráfica 8 Gráfica de los multiplicadores MGDP 0.6 0.5 0.4 0.3 0.2 0.1 01 80 82 84 86 88 90 92 94 -0.2 Lt MGDPI - MTEBGS 82 84 86 88 90 -4 tMTMBGS CONCLUSIONES A lo largo del artículo se muestra que los multiplicadores son una herramienta valiosa en el análisis económico, su utilidad reside en que tienen la capacidad de medir los efectos que se generan en las variables dependientes, cuando ocurren cambios o variaciones en los valores de las variables independientes. La planeación, la simulación, el pronóstico y el estudio de los comportamientos económicos, financieros y productivos, son los principales campos en que se aplican multiplicadores. 186 Araceli Rendón Trejo y Andrés Morales Alquicir< El artículo explica su uso y cálculo en el análisis de impacto en modelos econométricos uniecuacionales y multiecuacionales. El artículo hace énfasis en la interpretación de los multiplicadores en el corto y largo plazo, su cálculo es ejemplificado con modelos logarítmicos unicuacionales y multiecuacionales. El desarrollo de los multiplicadores se detallada utilizando el paquete econométrico Econometrie Views (Ev). En los modelos, los valores de los multiplicadores reflejan que las variaciones de las variables independientes tienen efectos diversos en las variables dependientes, los efectos se conjugan generando efectos compuestos directos o inversos ya que los multiplicadores pueden tener valores positivos, negativos o de ambos tipos. Finalmente esos resultados permiten deducir conclusiones temporales específicas (por ejemplo anuales), tendencias, relaciones entre efectos y más elementos que permiten tomar decisiones con un mayor conocimiento del comportamiento de las variables. 187 REFERENCIA BIBLIOGRÁFICA Gujarati Damodar, N. Econometría. McGraw-Hill, México, 1991. J. Johnston. Econometric Methods. Tirth Edition, Me Graw Hill, 1984. Kamenta, Jan. Elements of Econometrícs. The Macmillan Company, New York, 1986. Makridakis, S., S.C. Wheelwright, y Victor E. Mc. Gee. Forecasting: Methods and Applications. 2a. ed. New York, John Wiley & Sons, 1983. Mc. Pherson Glen. Statistics in Scientific Investigation, Springer-Verlang, New York Inc. New York, 1990. Microsoft Corporation, Excel, Manual del usuario, Versión 5.0. Cambridge, Ma. 1994. Quantitative Micro Software. Econometric Víews, Comrnand and Programming Reference, Irvine, California, USA, 1994. Quantitative Micro Software, Econometric Views, User's Guide, Irvine, California, usA, 1994. Robert S. Pindyck y Daniel L. Rubinfeld. Econometric Model and Economic Forecast. Tirth Edition Me Graw Hill, 1991. Thomopoulus, N.1'., Applied Forecasting Methods. Englewood Cliffs, N. J., Prentice - Hall, 1980. Wheelwright, S. C., y S. Makridakis. Forecasting Models for Management. 4a. ed. New York. John Wiley & Sons, 1985. White Halbert. A heteroskedasticty Consistent covariance estimator and a Direct test for heteroskedasticity. Econometrica, vol. 48, 1980. 188