consultoria - Intercoonecta

SECRETARIA DE INTEGRACION ECONOMICA CENTROAMERICANA
(SIECA)
CONSULTORIA
“Diseño de una Metodología Integral para la Medición del Impacto del
Comercio Intrarregional en las Economías de Centroamérica”
INFORME FINAL
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas
Secretaria de Integración Económica Centroamericana (SIECA)
Presentado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
Diciembre 10 de 2013
Ciudad de Guatemala, Guatemala, C.A
Las opiniones expresadas en este informe son las del autor y no necesariamente reflejan las de la SIECA.
PRESENTACION
Este Informe Final presenta los resultados de la consultoría contratada por la SIECA denominada “Diseño
de una Metodología Integral para la Medición del Impacto del Comercio Intrarregional en las Economías
de Centroamérica”.Los resultados esperados visualizados por los términos de referencia de la
consultoría incluyeron los siguientes:
a) Un diagnóstico, identificación y priorización de las principales metodologías existentes que
permitirían medir el impacto del comercio intrarregional en las economías de Centroamérica (Costa
Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá).
b) Un inventario de la información disponible en cada uno de los países centroamericanos necesario
para el desarrollo de las alternativas metodológicas que permitan medir el impacto del comercio
intrarregional en las economías de los países de Centroamérica (Costa Rica, El Salvador, Guatemala,
Honduras, Nicaragua y Panamá).
c) Diseño de una metodología integral que permita medir el impacto del comercio intrarregional en las
economías de Centroamérica (Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá), con
viabilidad y sustentación técnica, que proponga dentro de su contenido la necesidad de desarrollo de
procesos de recolección de datos, construcción de indicadores así como la presentación de una
propuesta financiera que estime los costos asociados a la obtención de datos y su implementación.
d) Aplicación de la metodología para los países de la región centroamericana (Costa Rica, El Salvador,
Guatemala, Honduras, Nicaragua y Panamá) presentada en un documento de investigación en el que se
expongan y analicen los resultados de la aplicación de la misma.
e) Un informe final que dé cumplimiento a todos los alcances, objetivos, productos y resultados
formulados en estos términos de referencia y que contenga un resumen ejecutivo, una presentación en
Power Point, memorias de cálculo, manuales metodológicos y sus aplicaciones en medios físicos y
electrónicos
PRODUCTOS ESPERADOS
Los productos esperados de la consultoría son:
a) El plan de trabajo a realizar en la consultoría con su respectiva metodología y cronograma de
actividades
b) Primer informe de avance que contenga el literal a del apartado “Resultados esperados”.
a. “Un diagnóstico, identificación y priorización de las principales metodologías existentes que
permitirían medir los impactos del comercio intrarregional en las economías de Centroamérica
(Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá).”
2
c) Segundo informe de avance que contenga los literales a y b del apartado “Resultados esperados”.
a. “Un diagnóstico, identificación y priorización de las principales metodologías existentes que
permitirían medir el impacto del comercio intrarregional en las economías de Centroamérica.”
b. “Un inventario de la información disponible en cada uno de los países centroamericanos
necesario para el desarrollo de las alternativas metodológicas que permitan medir el impacto
del comercio intrarregional en las economías de los países de Centroamérica (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá).”
d) Presentar un tercer informe de avance que contenga los literales a, b, c y d del apartado V
“Resultados esperados:
a. “Un diagnóstico, identificación y priorización de las principales metodologías existentes que
permitirían medir el impacto del comercio intrarregional en las economías de Centroamérica.”
b. “Un inventario de la información disponible en cada uno de los países centroamericanos
necesario para el desarrollo de las alternativas metodológicas que permitan medir el impacto
del comercio intrarregional en las economías de los países de Centroamérica (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá).”
c. “Diseño de una metodología integral que permita medir el impacto del comercio
intrarregional en las economías de Centroamérica (Costa Rica, El Salvador, Guatemala,
Honduras, Nicaragua y Panamá), con viabilidad y sustentación técnica, que proponga dentro de
su contenido la necesidad de desarrollo de procesos de recolección de datos, construcción de
indicadores así como la presentación de una propuesta financiera que estime los costos
asociados a la obtención de datos y su implementación.“
d. “Aplicación de la metodología para los países de la región centroamericana (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá) presentada en un documento de
investigación en el que se expongan y analicen los resultados de la aplicación de la misma.”
e) Un informe final que dé cumplimiento a todos los alcances, objetivos, productos y resultados
formulados en estos términos de referencia y que contenga un resumen ejecutivo, una presentación en
Power Point, memorias de cálculo, manuales metodológicos y sus aplicaciones en medios físicos y
electrónicos
PRODUCTOS DE LA C ONSULTORIA
Como primer producto se preparó el Plan de trabajo de la consultoría que incluyo el detalle de todas las
actividades a realizar en un periodo de dos meses iniciando el 10 de octubre de 2013. Anexo a este
Informe Final se incluyen cada uno de los productos requeridos por la consultoría.
El anexo 1 contiene el Plan de Trabajo el cual fue aprobado por el equipo técnico de la Dirección de la
Estadísticas, Estudios y Políticas de la SIECA.
3
En el Anexo 2 se adjunta el Primer Informe que contiene el “Diagnóstico, identificación y priorización de
las principales metodologías existentes que permiten medir los impactos del comercio intrarregional en
las economías de Centroamérica: Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá.”
La elaboración del Primer Informe requirió de una revisión bibliográfica de las principales
investigaciones sobre medición del impacto del comercio intrarregional en el área centroamericana. El
principal hallazgo de esta revisión fue que los estudios empíricos sobre comercio internacional no han
analizado de manera directa el tema del impacto del comercio intrarregional en las economías
centroamericanas, lo cual justifica de manera importante la realización de la consultoría. En este
Informe se concluye que la metodología más apropiada para medir el impacto del comercio
intrarregional en Centroamérica lo constituye el diseño e implementación de la técnica econométrica de
vectores autorregresivos de corrección de errores (VECM) los cuales consideran de manera apropiada el
caráctersimultaneo o endógeno de las relaciones entre las variables económicas y que son una
característica notable de las variables que inciden en la dinámica del binomio comercio intrarregional y
crecimiento económico.
El Anexo 3 presenta el Segundo Informe de la consultoría el cual se concentró en la realización de un
“Inventario de la información disponible en cada uno de los países centroamericanos necesario para el
desarrollo de las alternativas metodológicas que permitan medir el impacto del comercio intrarregional
en las economías de los países de Centroamérica (Costa Rica, El Salvador, Guatemala, Honduras,
Nicaragua y Panamá”. Una de los hallazgos importantes es que no existe información consolidada en
una sola organización que pueda brindar los datos de variables económicas necesarias para realizar
estudios aplicados en materia de comercio internacional. La información que existe es sobre periodos
recientes. En este campo, se recomienda realizar esfuerzos tendientes a conformar una base de datos
de fácil acceso y que consolide la información sobre comercio internacional a nivel de la región.
Finalmente en el Anexo 4 se incluye el Tercer Informe que contiene las consideraciones sobre la
metodología de medición del impacto del comercio intrarregional en las económicas centroamericanas,
destacándose que la metodología más robusta es la que utiliza dos grupos de estudio, uno que es
afectado por la variable comercio intrarregional o una variable proxy y otro grupo de control, que no es
afectado por la política de intervención que en este caso sería una medida de política comercial. Dado
que esta metodología involucra importantes recursos tanto financieros como técnicos se propuso la
implementación del análisis econométrico basada en la estimación de vectores autorregresivos con
corrección de errores.
CONTENIDO DEL PRESEN TE INFORME FINAL
RESUMEN EJECUTIVO……………………………………………………………………………………………………………………PAGINA 5
PRIMER INFORME…………………………………………………………………………………………………………………………PAGINA 10
SEGUNDO INFORME……………………………………………………………………………………………………………………..PAGINA 86
TERCER INFORME…………………………………………………………………………………………………………………………PAGINA 162
4
RESUMEN EJECUTIVO
La Secretaria de Integración Económica Centroamericana (SIECA) con apoyo del Fondo de España tuvo a
bien realizar la consultoría denominada « Diseño de una Metodología Integral para la Medición del
Impacto del Comercio Intrarregional en las Economías de Centroamérica». Los países que incluye la
investigación de la consultoría son El Salvador, Guatemala, Honduras, Nicaragua, Costa Rica y Panamá.
La consultoría, se enmarca en el Programa de Apoyo al acceso de la MIPYME al mercado regional del
Fondo España SICA 2009-2013, de conformidad a la propuesta presentada en el marco del eje de
Profundización de la Integración Económica Centroamericana y fue realizada del 10 de octubre al 10 de
diciembre de 2013.
El objetivo general de la SIECA al realizar esta consultoría es “Diseñar una metodología integral y
multidisciplinaria que permita medir el impacto, la contribución y los mecanismos de transmisión del
comercio intrarregional en las economías de los países del Subsistema de Integración Económico
Centroamericano”. Los objetivos específicos son los siguientes:
a. Identificar a partir de la revisión del estado del conocimiento, las diferentes alternativas
metodológicas bajo una perspectiva multidisciplinaria que permitan medir el impacto, la contribución y
los mecanismos de transmisión del comercio intrarregional en las economías de los países de
Centroamérica, precisando la viabilidad técnica, la temporalidad de la implementación de la
metodología y la estimación del costo financiero necesario para su desarrollo e implementación.
b. Realizar un inventario de la información disponible en cada uno de los países necesaria para
implementar la metodología propuesta, a fin de determinar las diferentes estrategias de recopilación y
construcción de datos e indicadores para sustentar la propuesta metodológica planteada.
c. Diseñar una metodología que permita medir el impacto del comercio intrarregional en las economías
de Centroamérica (Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá), con viabilidad y
sustentación técnica, que proponga dentro de su contenido la necesidad de desarrollo de procesos de
recolección de datos, construcción de indicadores así como la presentación de una propuesta financiera
que estime los costos asociados a la obtención de datos y la implementación de la metodología
propuesta.
d. Implementar la metodología propuesta en los países de la región centroamericana (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá).
Resultados y productos esperados
RESULTADOS ESPERADOS
Distribución eficiente del tiempo de la consultoría
PRODUCTOS ESPERADOS
Plan
de
cronograma
trabajo
y
Un diagnóstico, identificación y priorización de las principales Diagnóstico, identificación
metodologías existentes que permitirían medir el impacto del y priorización de las
comercio intrarregional en las economías de Centroamérica
principales metodologías y
5
Panamá).
Un inventario de la información disponible en cada uno de los países
centroamericanos necesario para el desarrollo de las alternativas
metodológicas que permitan medir el impacto del comercio
intrarregional en las economías de los países de Centroamérica
Diseño de una metodología integral que permita medir el impacto
del comercio intrarregional en las economías, con viabilidad y
sustentación técnica, que proponga dentro de su contenido la
necesidad de desarrollo de procesos de recolección de datos,
construcción de indicadores así como la presentación de una
propuesta financiera que estime los costos asociados a la obtención
de datos y su implementación.
Inventario
de
la
información disponible en
cada uno de los países
centroamericanos
Aplicación
de
la
metodología
para
los
países de la región
centroamericana
Aplicación de la metodología para los países de la región
centroamericana presentada en un documento de investigación en
el que se expongan y analicen los resultados de la aplicación de la
misma.
Informe final que contenga
resumen
ejecutivo,
presentación en Power
Point, memorias de cálculo,
manuales metodológicos y
sus aplicaciones en medios
físicos y electrónicos
Actividades y productos realizados
Las actividades realizadas para dar cumplimiento al alcance, objetivos y resultados esperados de la
consultoría se describen a continuación. En primer lugar, se preparó el Plan de Trabajo que incluye las
actividades consideradas necesarias para lograr el alcance, los objetivos, resultados y productos
esperados de la consultoría.
a) Revisión de metodologías cuantitativas como cálculo de indicadores económicos, ratios,
multiplicadores basados en matrices de insumo-producto, modelos econométricos y modelos de
equilibrio general computable, entre otros; así como metodologías de carácter multidisciplinario.
b) Investigación de la información estadística disponible en cada uno de los países miembros del Consejo
de Ministros de la Integración Económica Centroamericana, (COMIECO).
c) Investigación bibliográfica y de fuentes secundarias.
d) Recopilación de información de los bancos centrales, organismos nacionales estadísticas y otros
centros generadores de estadísticas y registros de información económica así como la determinación de
su comparabilidad para cada uno de los países miembros del Consejo de Ministros de la Integración
Económica Centroamericana
e) Definición del alcance temporal de la información disponible.
f) Llevar a cabo la aplicación de la metodología en los países de la región centroamericana (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá).
Hallazgos sobresalientes, alcances y limitaciones de la consultoría
1. La revisión bibliográfica se realizó principalmente a través de internet en sitios especializados. No
fue posible encontrar un estudio que analice específicamente el impacto del comercio
6
intrarregional en la dinámica de las economías centroamericanas, sino del comercio exterior
agregado sin diferenciar comercio intrarregional y extrarregional. De 15 estudios consultados
solo 5 analizan directamente el impacto del comercio agregado en las economías. De estos 5
estudios, 1 utiliza metodología econométrica de equilibrio parcial, 3 usan modelos econométricos
y matemáticos de equilibrio general y uno realiza una revisión de la literatura sobre instrumentos
de medición del impacto del comercio en la dinámica económica. En ningún caso se analiza a
Panamá, de manera que este informe implica un avance en el sentido que incluye a Panamá.
2. El enfoque de medición de impacto utilizado en las 15 investigaciones consultadas no se refiere a
una evaluación de impacto de política comercial en el crecimiento económico, lo cual requeriría
una comparación entre dos grupos de países: uno “con intervención de política” y otro sin
“intervención”. En el Segundo Informe de la consultoría se destaca que este esta metodología con
grupos de control y tratamiento (cuasi-experimental) requiere de tiempo e importantes recursos
económicos lo cual limita su diseño e implementación. Por esta razón, se propuso el diseño e
implementación de una metodología alternativa de tipo econométrico que es la diseñada e
implementada y reportada en el Tercer Informe.
3. La mayoría de estudios considera que la medición de impacto es más exacta si se usan
metodologías que implementan análisis de equilibrio general ya que de esta forma se toman en
cuenta los efectos indirectos y dinámicos (de segunda vuelta) que generan los flujos comerciales a
través de su impacto en diferentes variables que se consideran canales de transmisión (p.e.
consumo privado e inversión en progreso tecnológico y transferencia de conocimiento). Los
modelos de equilibro parcial solo toman en cuenta los efectos directos y por tanto tienden a
proveer mediciones inexactas. Uno de los estudios que aplicó un análisis parcial indicó
explícitamente que debido a la falta de información no utilizó un análisis de equilibrio general. En
este sentido, en esta consultoría se recomienda implementar en un esfuerzo futuro una
metodología experimental o cuasi experimental (uso de grupos de comparación) que permite
cuantificar el impacto “atribuido” a una política o medida de comercio internacional. Para cumplir
con esta consultoría se propuso una metodología alternativa econométrica que requiere menos
recursos y ofrece resultados robustos y confiables. La metodología propuesta utiliza un análisis de
ecuaciones simultáneas –de equilibrio general- idónea para analizar los impactos del comercio
intrarregional en la dinámica de las economías.
4. Las metodologías utilizadas emplean técnicas cuantitativas -estadísticas y matemáticas- que se
clasifican en modelos de equilibrio parcial (uniecuacional), modelos de equilibrio general
(multiecuacional) y modelos de equilibrio general computable. Las primeras dos clases usan
técnicas econométricas y la segunda clase, modelos matemáticos. Las técnicas econométricas de
equilibrio parcial requieren menos información que las de equilibrio general porque en general
usan menos variables económicas. Las metodologías de equilibrio general que utilizan MEGC
requieren más información así como información especializada que no suele estar actualizada o
disponible. La implementación de un MEGC requiere información que no está disponible en los
países y debe ser preparada con anticipación, lo cual requiere tiempo, recursos, y conocimientos
especializados que no son muy abundantes en las instituciones encargadas del comercio. Por esta
razón, se propuso una metodología de equilibrio general que usa información más accesible: la
técnica de vectores autorregresivos que consisten en sistemas de ecuaciones que son resueltas
simultáneamente.
7
5. El inventario de información disponible en los países se realizó utilizando como parámetro el
cúmulo de variables utilizadas en las 15 investigaciones encontradas y que analizan el tema de
medición de impacto.La mayoría de las variables utilizadas son de frecuencia anual y los periodos
de tiempo a que se refieren las cifras de las variables involucran entre 10 a 20 años en promedio.
Las variables utilizadas por los distintos modelos econométricos que han sido consultados en esta
consultoría van desde menos de 10 variables hasta más de 75 variables económicas y sociales. Los
analistas utilizan información de instituciones regionales principalmente de bancos centrales y
oficinas nacionales de estadística extraída de sus sitios web. Así mismo, los investigadores
utilizaron información de sitios web de instituciones regionales y extrarregionales tales como:
COMTRADE de las Naciones Unidas, WDI del Banco Mundial, WITS del Banco Mundial, IFS del
Fondo Monetario Internacional, PWT de la Universidad de Pennsilvania de los Estados Unidos,
GTAP de la Universidad de Perdue de Los Estados Unidos, y SIMAFIR de la Secretaria Ejecutiva del
Consejo Monetario Centroamericano, y la base de datos de la SIECA.
6. La mayoría de la información utilizada en las investigaciones econométricas se encuentra
disponible en las instituciones oficiales encargadas de producir estadísticas en los países de la
región ya sea en línea (sitios oficiales de internet) o a solicitud de los analistas: bancos centrales,
oficinas nacionales de estadística, agencias aduanales, y ministerios encargados del comercio. En
algunos casos la información tiene un costo monetario. Se consultó a los diferentes bancos
centrales (la oficina nacional de estadística en el caso de Panamá) para consultar sobre la
cobertura de información disponible en las instituciones a solitud de los analistas. Las respuestas
indicaron que la información es la que se encuentra disponible en los sitios web, aunque se verificó
que la información no es completa y las series disponibles presentan diferentes coberturas de
tiempo y frecuencia (anual, trimestral y mensual).Los periodos para los que están disponibles las
series y su periodicidad no son homogéneos.
7. La información económica se prepara utilizando metodologías estándar desarrolladas por las
Naciones Unidas, FMI, la OIT, OMA, etc. pero en algunos casos se utilizan distintos años de base lo
que limita la comparabilidad de las series económicas.
8. Las series económicas disponibles no son largas en el tiempo, especialmente las trimestrales y
mensuales; en algunos casos no son comparables entre países y deben transformarse; los periodos
de las series entre países no son homogéneos; la disponibilidad de la información no incluye
detalles o desagregaciones (p.e. producto por sectores, exportaciones por producto, etc.). Algunas
variables clave que incluyen los modelos teóricos de comercio (p.e. inversión extranjera directa,
términos de intercambio, tarifas arancelarias promedio o por grupo de productos) no están
disponible o lo están de manera muy limitada de tal forma que se dificulta incluirlas en los análisis
econométricos y matemáticos.
9. La metodología que emplea un MEGC requiere información especializada y la mayoría no está
disponible en los sitios web y en algunos casos es información confidencial. Este es el caso de los
resultados de encuestas de hogares y empresas que realizan las oficinas de estadística y de los
bancos centrales que elaboran la matriz insumo-producto de cada país y que no se realiza con
frecuencia debido a que requieren esfuerzo y tiempo para su elaboración. Por esta razón, en esta
consultoría se consideró proponer e implementar una metodología econométrica de medición de
impacto de equilibrio general pero que utiliza únicamente series de tiempo. La metodología
propuesta es la que implementa un análisis con ecuaciones simultáneas.
8
10. La metodología propuesta es una que utiliza un modelo de ecuaciones simultáneas denominado
Vectores Autorregresivos con Corrección de Errores (VECM por sus siglas en ingles). La selección
de esta metodología se fundamenta en las siguientes razones: no requiere información
especializada como los MEGC, consideración de la endogeneidad que caracteriza a las variables
económicas analizadas en los temas de comercio y crecimiento económico, flexibilidad en el
tratamiento teórico y empírico de las variables económicas (evita errores de especificación de los
modelos econométricos), comprueba la presencia de relaciones de largo plazo entre las variables
económicas (análisis de cointegración), lo cual no es posible con modelos de equilibrio general de
ecuaciones simultaneas que se basan en modelos estructurales teóricamente rígidos.
11. El modelo especificado incluye ocho variables: crecimiento económico medido por el producto
interno bruto de las economías, comercio intrarregional, comercio extrarregional, consumo
privado, inversión privada (formación bruta de capital fijo), gasto público del gobierno general de
cada país, población total y la inflación (deflactor del PIB). La información abarca el periodo 19702011 y proviene de la base de datos “IndicatorsWorld Development” del Banco Mundial, BADEECL
de la CEPAL y PWT de la Universidad de Pennsilvania de los Estados Unidos. Los fundamentos
teóricos del modelo se encuentran en la teoría del crecimiento endógeno que considera los
efectos dinámicos del progreso tecnológico y de los canales de transmisión que se generan a
través del comercio internacional, particularmente el canal tecnológico. El software utilizado en las
estimaciones es Eviews 6.0.
12. El modelo econométrico tiene la siguiente forma: Crecimiento económico = Bo + B1(Consumo
Privado) + B2(Inversión Privada) + B3(Gasto del Gobierno General) + B4(Comercio Intrarregional) +
B5(Comercio extrarregional) + B6(Población) + B7(Inflación). De acuerdo a la metodología VECM,
todas las variables se consideran endógenas y exógenas al mismo tiempo.
13. Los resultados encontrados son mixtos; en algunos países el comercio intrarregional favorece el
crecimiento económico y en otros no. La evidencia indica que el comercio extrarregional tienen un
impacto positivo en la dinámica de las economías centroamericanas mayor que el del comercio
intrarregional. Los coeficientes de correlación son elasticidades dado que las variables que se
utilizaron se trasformaron en logaritmos naturales. Como se aprecia en la siguiente tabla el
comercio intrarregional utiliza los mecanismos de transmisión del consumo e inversión (canal
tecnológico) para afectar de manera indirecta al crecimiento económico.
Tabla 1. Impacto del comercio intrarregional y extrarregional en las economías centroamericanas a
largo plazo.
COMERCIO INTRARREGIONAL
COMERCIO EXTRARREGIONAL
PAIS
Crecimiento Consumo
Inversión Crecimiento
Consumo
Inversión
Guatemala
-0.06
0.19
0.25
0.04
0.83
El Salvador
0.16
0.11
0.36
0.32
0.29
0.45
Honduras
-0.13
0.43
0.40
0.30
-0.23
Nicaragua
0.22
0.48
-0.39
1.10
1.45
-0.75
Costa Rica
0.13
0.33
0.13
Panamá
-0.76
-0.76
1.14
1.08
4.14
Nota: Elaboración del autor. Casilla sin información significa que la variable comercio no resulto significativa al 5% o 1% en la regresión
respectiva de cointegración. Las cifras son los coeficientes de regresión estimados de las variables crecimiento, consumo e inversión.
9
14. Se recomienda crear una base de datos de más largo alcance temporal retrospectivamente. Las
instituciones oficiales regionales pueden crear alianzas y conjuntamente impulsar su
mantenimiento y promoción para su uso frecuente. Esto es importante especialmente en relación
con la información de productos de exportación e importación. Así como el destino y origen del
comercio por país.
15. La metodología VECM debe ser difundida a nivel centroamericano para su uso permanente y su
implementación para mantener actualizado el conocimiento y especialmente para retroalimentar
la toma de decisiones de política económica.
16. Si es posible se debe capacitar en esta y otras metodologías a los asesores y analistas de los
ministerios a cargo del comercio (política comercial y administración de tratados comerciales) así
como a los técnicos de las oficinas que producen la información primaria con el fin de incentivar la
producción de información, oportuna y de calidad.
10
ANEXO 1: PRIMER INFORME
11
SECRETARIA DE INTEGRACION ECONOMICA
CENTROAMERICANA
(SIECA)
CONSULTORIA
Diseño de una Metodología Integral para la Medición del Impacto del
Comercio Intrarregional en las Economías de Centroamérica
PRIMER INFORME DE CONSULTORIA
“Diagnóstico, identificación y priorización de las principales
metodologías existentes que permiten medir los impactos del comercio
intrarregional en las economías de Centroamérica: Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá.”
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas
Secretaria de Integración Económica Centroamericana (SIECA)
Presentado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
5 Noviembre, 2013
Ciudad de Guatemala, Guatemala, C.A
Las opiniones expresadas en este informe son las del autor y no necesariamente reflejan las de la SIECA.
12
PRIMER INFORME
“Diagnóstico, identificación y priorización de las
principales metodologías existentes que permiten
medir los impactos del comercio intrarregional en
las economías de Centroamérica: Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y
Panamá.”
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas (DEEP)
Secretaria de Integración Económica Centroamericana (SIECA)
Preparado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
Ciudad de Guatemala, Guatemala, 5 noviembre de 2013
13
CONTENIDO
ABREVIACIONES Y ACRONIMOS........................................................................................................ 87
I.
INTRODUCCION ............................................................................................................... 16
II.
ASPECTOS TEÓRICOS SOBRE LOS EFECTOS ECONÓMICOS DEL COMERCIO INTERNACIONAL 18
A.
EL IMPACTO DEL COMERCIO INTERNACIONAL EN LAS ECONOMÍAS ................................... 20
B.
LOS CANALES O MECANISMOS DE TRANSMISIÓN DEL IMPACTO DEL COMERCIO
INTERNACIONAL .............................................................................................................................. 25
C.
METODOLOGÍAS POTENCIALES EXISTENTES PARA LA MEDICIÓN DEL IMPACTO DEL
COMERCIO EN LAS ECONOMÍAS ....................................................................................................... 29
III.
DIAGNÓSTICO E IDENTIFICACIÓN DE LAS PRINCIPALES METODOLOGÍAS EXISTENTES QUE
PERMITIRÍAN MEDIR EL IMPACTO DEL COMERCIO INTRARREGIONAL EN LAS ECONOMÍAS DE
CENTROAMÉRICA............................................................................................................................. 44
A.
MODELOS ECONOMÉTRICOS UNI-ECUACIONALES Y MULTIVARIANTES: EQUILIBRIO PARCIAL
50
B.
MODELOS ECONOMÉTRICOS MULTIECUACIONALES .......................................................... 56
C.
MODELOS DE EQUILIBRIO GENERAL COMPUTABLE ........................................................... 64
III. PRIORIZACIÓN DE LAS PRINCIPALES METODOLOGÍAS EXISTENTES ................................................ 73
IV. CONCLUSIONES Y RECOMENDACIONES........................................................................................ 79
BIBLIOGRAFIA .................................................................................................................................. 81
ANEXOS ........................................................................................................................................... 83
14
ABREVIACIONES Y ACRO NIMOS
ALC: Acuerdo de Libre comercio
BM: Banco Mundial
CAFTA-DR: Tratado de Libre Comercio Centro América, Republica Dominicana y Estados Unidos
CEPAL: Comisión Económica para América latina y el Caribe
CMCA: Consejo Monetario Centroamericano
FMI: Fondo Monetario Internacional
GAMS: General Algebraic Modeling System
GTAP: Global Trade Analysis Project
MCS: Matriz de Contabilidad Social
MEGC: Modelo de Equilibrio General Computable
MIP: Matriz Insumo-Producto
MPSGE: Mathematical Programming System for General Equilibrium
OMC: Organización Mundial del Comercio
PIB: Producto Interno Bruto
SECMCA: Secretaria Ejecutiva del CMCA
SICA: Sistema de Integración Centroamericana
SIECA: Secretaria de Integración Económica Centroamericana
SNC: Sistema Nacional de Contabilidad
UE: Unión Europea
UN: Naciones Unidas (United Nations)
UNCTAD: United Nations Conference on Trade and Development
OMC: Organización Mundial de Comercio
OMA: Organización Mundial de Aduanas
15
I.
INTRODUCCION
El presente Informe corresponde al primer producto de la consultoría « Diseño de una Metodología
Integral para la Medición del Impacto del Comercio Intrarregional en las Economías de Centroamérica »1
encargado por la Secretaria de Integración Económica de Centroamérica (SIECA). En particular, este
Primer Informe responde al propósito de realizar un “Un diagnóstico, identificación y priorización de las
principales metodologías existentes que permitirían medir el impacto del comercio intrarregional en las
economías de Centroamérica”2. En subsiguientes informes se tratara el tema de la disponibilidad de
datos (inventario) en las oficinas encargadas de manejar la política comercial de los países
centroamericanos (Segundo Informe), el modelo que mejor se adapta a las necesidades de los países
para la toma de decisiones en materia de política comercial
El fin último de la consultoría, que se deberá lograr con la entrega de un cuarto informe, es identificar
un modelo de medición de impacto económico del comercio intrarregional que sea de fácil
comprensión y administración que sirva de instrumento de análisis e información relevante para la toma
de decisiones en materia de política comercial, así como, de manera propositiva, para el resto de
políticas macroeconómicas que inciden en los flujos comerciales y a través de estos, en el desempeño
económico de corto y largo plazo así como en el bienestar de la población de la región.
Para el logro del objetivo anterior se revisaron, aunque no de manera exhaustiva por razones de tiempo,
un determinado número de estudios existentes y más representativos cuyo propósito es la medición del
impacto del comercio intrarregional o total en las económicas centroamericanas. La revisión no
pretende ser exhaustiva pero si destacar los estudios que tienen el mayor potencial de ser utilizados de
manera sistemática entre las oficinas y autoridades de la región encargadas de diseñar e implementar la
política comercial. Para sistematizar el diagnóstico (revisión de metodologías), identificar las
metodologías más apropiadas para los propósitos de esta consultoría y priorizar las metodologías que
son más accesibles de implementar en la región vis-a-vis la disponibilidad de recursos técnicos,
presupuestarios y de tiempo, definimos lo que en este informe y en los subsiguientes se entiende por
“medición del impacto del comercio” y las formas de cuantificarlo de la manera más rigurosa posible
usando las metodologías existentes o, si es necesario, diseñado una metodología ad-hoc; esta definición
se presenta al final de la sección II.
1 El hilo conductor de la presente consultoría es responder a la interrogante: ¿Cuál es el impacto y canales de
transmisión del comercio intrarregional en las economías de Centroamérica? Se espera que la respuesta a esta
pregunta proporcione a la SIECA y a los países miembros del Subsistema de Integración Económico
Centroamericano de una metodología que permita medir el impacto del comercio intrarregional en las economías
centroamericanas mediante un modelo que identifique los mecanismos a través de los cuales se transmite dicho
impacto y que vienen determinados por las relaciones entre las variables económicas involucradas en la
determinación de los volúmenes de comercio sugeridas por la teórica económica por un lado y por la compleja
realidad observada por otro lado.
2
Para los efectos de este Informe se incluye Panamá en el vocablo ”Centroamérica”, a menos que se especifique
algo diferente. Panamá se encuentra en proceso de acceder al Subsistema de Integración Económico
Centroamericano del SICA.
16
El resto del presente informe se organiza de la siguiente manera. En la sección II se analizan aspectos
teóricos sobre los impactos y mecanismos de transmisión del comercio en general, que también se
aplican al comercio intrarregional, donde se destaca la complejidad de los factores determinantes de los
flujos del comercio internacional (exportaciones e importaciones de bienes), los mecanismos de
transmisión a través de los cuales estos flujos comerciales impactan los agregados económicos objetivo:
la tasa de crecimiento de la economía y el nivel de bienestar de la población. Así mismo se discute la
definición de “medición de impacto” que se maneja en el presente informe. En la sección III se
presentan de manera resumida las principales las metodologías utilizadas en diferentes estudios
recientes sobre medición de impacto económico del comercio en Centroamérica; la revisión incluye
estudios que analizan el impacto del comercio y/o política comercial ya sea que dichos estudios utilicen
o no la definición de impacto adoptada en esta consultoría. En la sección IV se identifican y analizan las
características de las metodologías econométricas y no econométricas revisadas en la sección III a la luz
de la definición de impacto adoptada en la sección II. La sección V reporta las principales conclusiones y
recomendaciones.
La principal conclusión que se desprende del diagnóstico de los estudios sobre medición de impacto del
comercio internacional en las economías es que el objetivo principal de las metodologías
implementadas es el de conocer ex-ante los posibles efectos3 de la firma de nuevos tratados comerciales
regionales e intrarregionales, y/o la profundización de la integración económica de la región, en el
desempeño de las exportaciones, importaciones, balanza comercial, empleo, bienestar de la población y
crecimiento económico. En estos estudios se pretende medir esos efectos pero no en términos de “lo
que es directamente atribuible” a la política comercial y/o flujos comerciales. Además, los estudios de
medición señalan que las metodologías más idóneas para medir el impacto del comercio en el
crecimiento son las de equilibrio general, aunque su complejidad, costos asociados y limitaciones de
información afectan su aplicación generalizada. De estas metodologías se destacan los modelos de
ecuaciones simultáneas y los modelos de equilibrio general computable (MEGC). Los de ecuaciones
simultaneas incluyen la técnica de vectores autorregresivos de corrección de errores que solo toman en
cuenta las variables económicas que tienen relaciones de largo plazo. Los MEGC por su parte son
modelos de ecuaciones simultáneas pero su estimación se realiza con métodos matemáticos y
programación lineal.
3
Acá el termino efecto es usado a propósito para diferenciarlo del termino impacto usado en esta consultoría, el
cual se refiere a la cuantificación precisa del resultado atribuible únicamente a a una política económica o
programa público (o cualquier intervención) que busca lograr un cambio en una variable objetivo. Una política
deliberada o un cambio en una variable económica inducido puede ser por ejemplo, la política comercial
(reducción arancelaria) o las exportaciones o importaciones, las que pretenden por ejemplo aumentar el
crecimiento económico. o el comercio intrarregional o total en el crecimiento económico, empleo, bienestar, etc.
atribuible directamente a la política comercial u otros factores que determinan el flujo comercial intrarregional o
extra regional.
17
II. ASPECTOS TEÓRICOS SO BRE LOS EFECTOS ECON ÓMICOS DEL COMERCIO
INTERNACIONAL 4
Las raíces de la teoría del comercio se remonta al siglo XVIII, en plena Revolución Industrial, cuando
Adam Smith postuló que los países con ventajas absolutas en la producción de un determinado
producto (menores costos de producción) tendrían un mayor beneficio económico si se orientaban a
exportar (comerciar) esos productos, los cuales producirían a mayor escala si se especializaban en su
producción y por tanto aumentaban su productividad, y con los mayores ingresos importar los bienes en
los que no tenían ventajas absolutas. Los otros países también se beneficiarían de este comercio basado
en ventajas absolutas si, de manera similar, se especializan y aumentaban su producción en aquellos
bienes en que tenían ventajas absolutas. Posteriormente, David Ricardo (1772-1823) continúa con la
defensa del comercio internacional siguiendo el pensamiento de Adam Smith. Ricardo postuló que los
países que no tienen ventajas absolutas, siempre tienen una ventaja relativa en la producción de al
menos un bien respecto a otros países y que por lo tanto especializarse en su producción y comerciar a
nivel internacional para obtener beneficios de dicho comercio. A principios del siglo pasado, Heckscher
(1919) y Ohlin (1933) coincidieron en postular que las diferentes dotaciones de factores productivos
(p.e. trabajo, tierra, capital) explicarían el comercio internacional beneficioso si los países se
especializaban en la producción de bienes que usan intensivamente el factor de producción que es más
abundante en el país.
Los modelos teóricos de comercio internacional son convincentes dado que tales modelos abstraen su
estructura de la observación de la realidad y en este sentido reflejan el efecto positivo del comercio en
el crecimiento económico y en sus determinantes: empleo especializado, tecnología, dotación de
factores, etc. Al presente existen muchos ejemplos que confirman esta relación positiva entre comercio
y crecimiento como es el caso de los tigres asiáticos del este (Hong Kong, Singapur, Corea del Sur, etc.)
donde una clara estrategia de creciendo basado en las exportaciones produjo tasas de crecimiento
envidiables.
Existe basta investigación empírica basada en modelos econométricos, estadísticos y matemáticos que
muestra los efectos positivos del comercio en el crecimiento, confirmando las elaboraciones teóricas en
favor de la apertura comercial. Pero también hay evidencia de casos de países donde el comercio no
parece haber dinamizado las economías ya que su tasa de crecimiento económico de largo plazo es
consideraba por debajo de los niveles esperados con la apertura comercial prescrita por la teoría.5
Para poder aprovechar el abundante cumulo de experiencias de países exitosos que han abierto sus
economías y poder aplicar sus estrategias, políticas o medidas comerciales, de manera adecuada a las
realidades de cada país o región, es importante conocer en más detalle cuales son los determinantes o
causas del comercio y cuáles son los mecanismos a través de los cuales se tiene un efecto positivo en el
crecimiento económico, nivel de empleo, especialización de los aparatos productivos, productividad, y
4
Idem.
Ver por ejemplo, Rodrik y Rodriguez (2001) y Wald y Wood (2004)
5
18
bienestar de la población. Conociendo estas relaciones entre las causas y efectos del binomio comerciocrecimiento6, se pueden diseñar políticas o estrategias comerciales más efectivas en los países de la
región. Aún más, conociendo esas interrelaciones los países estarán en mejor posición para diseñar
metodologías que midan de manera rigurosa el impacto en el crecimiento que se puede atribuir
exclusivamente al comercio, así como los mecanismos a través de los cuales se producen esos impactos.
En esta sección se presenta en los aspectos teóricos que describen los efectos del comercio, los
mecanismos de transmisión y las metodologías que, dados esos efectos y canales de transmisión, son
más adecuadas para medir el impacto del comercio e informar la toma de decisiones en materia de
análisis, diseño y evaluación de políticas y estrategias comerciales. Adicionalmente, conocer estos
efectos y mecanismos de transmisión es de suma importancia para coordinar la política comercial con el
resto de políticas económicas a fin de evitar efectos contraproducentes en la implementación de
diferentes medias económicas, como es el caso por ejemplo, de una política fiscal que mantiene el tipo
de cambio real apreciado y por lo tanto inhibiendo el crecimiento de las exportaciones a los niveles
potenciales7. También, la política de desarrollo laboral debe orientarse a crear las capacidades y, por
tanto, las oportunidades para que los trabajadores que queden sin empleos y los que están empleados
aprovechen los puestos de trabajo que se generan en el sector exportador en aumento; de otra manera,
las oportunidades del comercio no se provechan al máximo.
6
El binomio comercio-crecimiento se utiliza para englobar de manera resumida todos los instrumentos y variables
económicas que explican el desempeño de los flujos comerciales y las economías.
7
Un estudio reciente de Mediana et all (2012) del FMI concluye que los países centroamericanos en general
presentan niveles de flujos comerciales por debajo de los deseados y que es necesario profundizar medidas que
promuevan un comercio intrarregional más intenso.
19
A. EL IMPACTO DEL COMERCIO INTERNACIONAL EN LAS ECONOM ÍAS
La teoría economía indica que el comercio tiene innegables efectos positivos sobre el crecimiento de las
economías, lo cual se refleja fundamentalmente en aumentos de la producción agregada y los ingresos
de las familias con la consiguiente mejora en el bienestar social. El Grafico 2, presentado más adelante,
contiene una lista, no exhaustiva, de los efectos del comercio en las economías, así como los canales o
mecanismos a través de los cuales se generan los efectos del comercio.
La teoría y modelos económicos abstraen de la realidad las regularidades del comportamiento de los
agentes y fenómenos económicos. En este esfuerzo de abstracción los modelos teóricos utilizan el
concepto de “agente representativo” que cumple con ciertos supuestos de comportamiento o
“situaciones representativas” que se fundamentan en supuestos simplificadores de la realidad (p.e.
competencia perfecta, economía abierta tomadora de precios, etc.). En esta apartado, se presentan los
efectos del comercio considerando la teoría así como las relaciones de causa y efecto de las variables
macroeconómicas que la investigación empírica ha determinado como efectos del comercio en las
economías.
Notas sobre la teoría del comercio internacional8
Si aceptamos que la apertura comercial abarata o tiende a abaratar los bienes de consumo final a través
de la importación, entonces aumentará el bienestar de los consumidores maximizadores de utilidad.
Esto de despende de la teoría del consumidor según la cual los consumidores buscan maximizar su
utilidad proveniente del consumo de bienes; un mayor consumo implica mayor nivel de bienestar (dado
el supuesto o principio de insaciabilidad de los consumidores). Los productores por su parte, pueden
aumentar sus ganancias vendiendo su producción en el extranjero a un mayor precio a los países que
tienen costos de producción más altos que los costos de los productos nacionales (dada la
especialización de la producción donde se ostentan ventajas absolutas o comparativas de producción o
donde se tiene abundante dotación de factores productivos y cuya producción utiliza intensivamente
estos factores abundantes. Además, los productores pueden aumentar la producción debido a la
expansión del mercado derivado de la apertura comercial. Aún más, la teoría predice que los factores
productivos de los sectores que cuentan con ventajas absolutas, comparativas o relativas, se reasignarán
hacia los sectores de exportación donde si existen dichas ventajas; esto supone la no existencia de
barreras a la entrada en estos sectores productivos de exportación. Como un todo, se espera que la
producción, el empleo y el ingreso agregado de un país aumentaran y consecuentemente beneficiando a
su población.
Una manera sencilla en que la teoría de comercio internacional presenta los efectos del comercio sobre
una economía es a través del efecto que tiene un arancel en los precios, en las cantidades producidas,
8
Para profundizar en el tema del comercio internacional y sus efectos en las economías puede consultarse Paul
Krugman y Obstfeld (1999) y Bela Balassa (1980). Sobre los principios microeconómicos del comportamiento del
consumidor y productor puede consultarse Maddala (1991) y Hal Variant (2010 ).
20
en la recaudación fiscal y en el bienestar de consumidores y productores. Al extrapolar estos efectos a
nivel agregado de una economía se logró visualizar la esencia de los efectos del comercio en las
economías.
El Grafico 1 permite ilustrar los efectos del comercio en las economías mediante la descripción de los
efectos de un arancel y los beneficios de eliminar dicho arancel como parte de un acuerdo comercial.
Nótese que el país con que se firma un acuerdo comercial también eliminara el arancel con la
consecuente incremento de las exportaciones hacia ese país con el que se firma el acuerdo comercial
sobre la base de las ventajas en los costos de producción de cada país. Un arancel es un impuesto (en
porcentaje del valor o una cantidad monetaria específica) sobre las importaciones. Su primer efecto
macroeconómico es subir el precio en moneda nacional de los bienes o servicios importados de PM a
PT. Esta situación tiene costos para los consumidores nacionales (debido al encarecimiento de los bienes
y servicios), pero beneficia a los productores domésticos ya que al subir el precio de los bienes
importados es posible subir en la misma magnitud el precio de los bienes nacionales sustitutos de
importaciones, lo que se traduce en un aumento de los ingresos de las empresas domésticas
(suponiendo que se mantiene el nivel de consumo nacional del bien gravado). Este es el conocido
argumento de la “protección a la industria naciente” que estuvo muy de moda en los años 50 bajo la
corriente Cepalina de “Industrialización Sustitutiva de Importaciones” o de protección a sectores
productivos particulares buscadores de renta (rent seeking sectors).
Sin arancel, al precio internacional (PM) el país importa M1= D1 – S1 la diferencia entre la cantidad
demandada y la oferta nacionales del bien en cuestión. Si el gobierno impone un arancel a las
importaciones de t%, entonces el precio de las importaciones sube a PT=PM(1+t%). A este precio las
importaciones se reducen a M2=D2 – S2 y el gobierno recauda t%xM2, que en el gráfico corresponde al
rectángulo c. A su vez los consumidores pierden las áreas a + b + c + d que corresponde al excedente del
consumidor. Por otro lado, los productores ganan únicamente el área a, la cual corresponde al
excedente del productor. En términos netos el país tiene un pérdida que es igual a la pérdida de los
consumidores (a+b+c+d) menos las ganancias de los productores (a) y del gobierno (c).
COSTO NETO DEL ARANCEL:
(a + b + c + d) - a - c = b + d
Ahora bien, si se elimina el arancel mediante un tratado de libre comercio como el caso del TLC entre El
Salvador y México, los consumidores ganan a + b + c + d; los productores pierden a; y el gobierno deja
de ganar c, que ahora es ganado por los consumidores a través de un menor precio de las importaciones
que pasarían de un precio PT a un valor menor, PM.
BENEFICIO NETO DE ELIMINAR UN ARANCEL: Ganancia de los consumidores menos pérdida de los
productores menos pérdida del gobierno debido a la reducción de ingresos: (a + b + c + d) – a - c = b
+ d
La pérdida de ingresos por aranceles que sufre el gobierno equivale, desde el punto de vista de la teoría
keynesiana de la política fiscal, a una política expansiva caracterizada por una reducción de impuestos
(aranceles). El efecto de esta medida, como se verá, más adelante incidiría positivamente en el
consumo de las familias que registran un mayor ingreso disponible y finalmente en el crecimiento
económico.
21
Grafico 1. Efectos de un arancel9
La realidad en contraste con la teoría de comercio internacional
Como sugerimos antes, la realidad es mucho más compleja que lo ilustrado en el Gráfico 1. Es decir, la
teoría del comercio internacional, como cualquier teoría, no excluye casos en que los postulados
teóricos no se cumplan para casos excepcionales, por ejemplo, que un consumidor aumente su
demanda cuando aumenta el precio de un bien, lo cual no es consistente con la “ley de la demanda”
Otro ejemplo, en el caso de los efectos del comercio internacional, es posible encontrar alguna o varias
empresas que no logran reasignar sus recursos luego de una eliminación de un arancel por razones de
barreras a la entrada al sector exportador. Dadas esas excepciones, las negociaciones de ALC (acuerdos
de libre comercio) incluyen una serie de medidas compensatorias para aquellos agentes económicos
que no resultarán o no resultan beneficiados por la apertura comercial. Complementariamente también
se incluyen en los ALC las conocidas “medidas de salvaguardia”, las cuales entran en vigor cuando se
registran resultados inesperados de la implementación del acuerdo. Otra medida o estrategia que se
acuerda entre los países que liberan el comercio es la exclusión de bienes sensibles o la desgravación
tarifaria gradual y asimétrica (los países menos preparados para aprovechar un acuerdo reducen los
9
La Gráfica 1 describe los efectos en la producción, los precios y la demanda de bienes importados derivados de la
eliminar un arancel como consecuencia de la firma de un tratado de libre comercio o de otra forma de integración
económica regional o global. El Anexo 1 contiene la lista de niveles de integración económica según Bela Balassa
(1980). Los tratados de libre comercio se refieren a únicamente a las zonas o áreas de libre comercio
principalmente.
22
aranceles de manera gradual mientras que los otros países firmantes lo hacen de manera inmediata o
más rápida). En este sentido, una buena parte de la literatura empírica sobre la evaluación de los efectos
de los acuerdos comerciales tienen como objetivo identificar los sectores afectados por los acuerdos a
fin de diseñar políticas que compensen los efectos negativos que pudieran surgir.
Lo que es importante reiterar es que las teorías y modelos teóricos son una abstracción de la realidad y
que en la práctica existirán ciertas situaciones que no son consistentes con la teoría; lo cual no implica
que la teoría no sea válida. Dicho de otra manera, la teoría puede resultar insuficiente para explicar la
complejidad de la realidad económica de un país en materia de comercio internacional. Por esta razón
es importante resaltar, antes de intentar medir el efecto y/o el impacto del comercio sobre el
crecimiento económico, que existen relaciones económicas complejas que deben tenerse en cuenta
para realizar conclusiones acertadas y convincentes sobre la medición del impacto del comercio en el
crecimiento.
La naturaleza de las relaciones de las variables económicas incide de manera importante en el diseño o
selección de las metodologías para estimar modelos de medición de impacto.
Figura 1. Causas, efectos y mecanismos de transmisión del comercio internacional
CANALES DE
TRANSMISIO
N
Producción
exportable
Empleo
Ingreso de
familias y
empresas/valo
r
agregado/Con
sumo (Ingreso
familias y
empresas)
Inversión
extranjera
directa
(transferencia
tecnológica)
Fuente: Elaboración propia sobre la base de investigaciones empíricas
La compleja realidad se compone de relaciones intrincadas entre los agentes y hechos económicos como
se ilustra, de manera no exhaustiva, en la Figura 1. De esta figura se desprende claramente que la
realidad rebasa la teoría en el sentido que la teoría, elimina –se abstrae de- una serie de relaciones
23
entre las variables económicas; estas relaciones sin embargo, deben ser tomadas en cuenta a la hora de
realizar la medición de los impactos de unas variables sobre otras. En el apartado C de esta sección se
discute el reto que las metodologías enfrentan para medir el impacto de unas variables sobre otras.
Esas metodologías son econométricas, matemáticas y estadísticas, las cuales han sido diseñadas para
comprobar si la teoría es válida, es decir, si explica la realidad de la cual ha sido extraída y, si por lo
tanto, puede usarse dicha teoría para predecir, entre otras cosas, el impacto que tendrá una medida
económica en los objetivos de dicha política.
Antes de continuar, es importante señalar que existen en la realidad un sinnúmero de relaciones que
deben ser tomadas en cuenta a la hora de diseñar las metodologías de medición de los impactos de una
política, como la que nos interesa en este estudio: los impactos de la política comercial, a través del
comercio intrarregional, en el crecimiento de las economías entre otras variables objetivo.
Por un lado, es preciso determinar las relaciones de causalidad a fin de poder diseñar políticas
comerciales efectivas. La teoría del comercio internacional indica que los instrumentos de política
comercial –tales como los aranceles y cuotas de importación- son las causas de cambios en los flujos
comerciales y que estos a su vez incendien en el comportamiento del crecimiento económico, entre
otras variables de impacto. Pero la realidad nos indica que las variables objetivos (crecimiento
económico y el bienestar de la población) afecta a su vez a las variables explicativas. Por ejemplo, el
incremento en el producto ocasionado por mayores niveles de exportación afecta a las exportaciones e
importaciones. El mayor nivel inducido de producción agregada genera ingresos adicionales que
permiten invertir en los sectores exportadores, dicha inversión en parte se concretiza mediante mayores
importaciones de bienes intermedios y de capital; adicionalmente, el mayor producto generado por las
exportaciones inicialmente, se utiliza, por parte de los consumidores, para incrementar su consumo final
y por ende su bienestar. En otras palabras, la Figura 1 refleja el hecho que no hay una claridad del
sentido de la causalidad entre las variable que participan en la teoría del comercio internacional.
Claramente, hay efectos directos e indirectos en un primer momento, que tienen un sentido de
causalidad como el prescrito por la teoría (el comercio afecta positivamente el crecimiento económico),
pero luego existen efectos dinámicos de segunda vuelta que inciden en mayores niveles de comercio
(exportaciones e importaciones) como se acaba de argumentar10.
En efecto, investigaciones sobre la relación entre comercio y crecimiento, han concluido que las
relaciones económicas entre unas y otras variables son en la realidad interdependientes; es decir, existe
una causalidad en dos sentidos. Además dichos efectos no se limitan a una sola variable sino a muchas
variables, es decir, son efectos simultáneos y dinámicos en el sentido que afectan a varias variables al
mismo tiempo así como en períodos futuros –el aumento del ingreso en el año corriente afecta las
importaciones en este mismo año y en los años futuros, con lo que hay un efecto multiplicador.
En conclusión, la teoría en general es por definición e inevitablemente, una elaboración incompleta de
un cierto fenómeno. Cuando se aborda la realidad, uno se encuentra que esta realidad es más compleja
que lo indicado por los postulados teóricos. Ello requiere un conjunto de especificaciones que
ineludiblemente deben contener los modelos econométricos para que puedan aplicarse al estudio de un
fenómeno concreto. Como se verá más adelante, un “modelo econométrico es un modelo económico
10
En un estudio sobre Turquía y países de la Unión Europea, Cankarahasan (2009) encuentra evidencia que el
crecimiento afecta positivamente a los flujos comerciales, lo cual ha sido posible de estimar gracias a la técnica
econométrica que incluye en la especificación del modelo econométrico utilizado, el crecimiento como variable
explicativa de las exportaciones por ejemplo. Ver también Wald y Wood (2004).
24
que contiene las especificaciones necesarias que dan cuenta de la compleja realidad para su aplicación
empírica, es decir, para utilizar dicho modelo de manera correcta de modo que permita realizar
estimaciones correctas del impacto de unas variables sobre otras. Como se discute más adelante en el
apartado C, la medición del impacto de una política económica o de un programa público debe
considerar dos situaciones: una “con intervención” de política o programa y otra “sin intervención”. La
idea básica de las metodologías de medición del impacto de una intervención de política económica es
aislar el efecto de dicha intervención en una o mas variables objetivo de manera que dicho impacto
pueda ser atribuido únicamente a la intervención.
B. LOS CANALES O MECANI SMOS DE TRANSMISIÓN DEL IMPACTO DEL COME RCIO
INTERNACIONAL
En este apartado se enfatiza sobre las complejidades inherentes al tema del comercio internacional
destacando los efectos y los mecanismos a través de los cuales el comercio internacional impacta a las
economías. La importancia de este conocimiento queda ilustrativa por ejemplo en investigaciones que
han concluido que las variables explicativas utilizadas en modelos para predecir o medir el efecto de
medias de liberación del comercio (p.e. una reducción de aranceles) “han fallado” en encontrar una
relación positiva entre comercio y crecimiento. Como se verá más adelante en lo que resta de esta
sección, esa falla podría explicarse por el hecho que los efectos del comercio en las economías no
dependen únicamente de las variaciones en los niveles de protección arancelaria, incluso quizás no sea
el instrumento de política más importante que explique el comportamiento del crecimiento económico
de un país, sino también de otro sinnúmero de variables e instrumentos económicos.
Existe abundante literatura empírica que concluye sobre la existencia del impacto positivo del comercio
internacional en el desempeño de las economías. El impacto por excelencia es aumentar o potenciar el
crecimiento económico de corto y largo plazo y finalmente el bienestar de la población. Rodríguez y
Rodrik (2001) señalan que la teoría indica claramente que la integración económica expresada como
reducción de las restricciones al comercio (p.e. reducción de las tarifas arancelarias), aumentan el
crecimiento económico asumiendo que no hay imperfecciones de mercado.
Mecanismos de transmisión del comercio a la dinámica económica
Las exportaciones forman parte del producto interno bruto de una economía en un periodo
determinado (un año o trimestre); por lo tanto a mayor volumen y valor de las exportaciones mayor es
el PIB o el ingreso disponible de las familias. Claramente, la reducción arancelaria entre dos o más
países, extiende el mercado nacional hacia el de los socios comerciales con la posibilidad para los
exportadores de vender a precios mayores que en el mercado local. Entonces la reducción arancelaria,
pone en marcha el mecanismo de la producción de exportables, que a su vez inicia el mecanismo del
empleo/contratación de mayores volúmenes de factores productivos. Para producir a mayor escala y
aprovechar las oportunidades de exportación las empresas ponen en marcha el mecanismo tecnológico
a fin de aumentar su productividad; este mecanismo incluye la adopción de tecnologías y conocimientos
25
técnicos a través de la importación de bienes de capital e intermedios o la entrada de inversión
extranjera directa la que trae aparejada tecnología de punta para aprovechar las oportunidades de
exportación. Las familias dueñas de los factores de producción, por su parte, reciben ingresos
adicionales a los existentes antes de la reducción arancelaria y ponen en marcha el mecanismo de
consumo o ingresolo que se explica por el supuesto que son agentes maximizadores de utilidad
(bienestar). En este sentido las familias aumentan el consumo de bienes producidos localmente e
internacionalmente (importaciones). Es importante mencionar que el mecanismo de consumo privado
se sustenta en la corriente Keynesiana según la cual una política fiscal expansiva (mediante la reducción
de impuestos) medida por un aumento del déficit aumenta la demanda agregada, el consumo privado, y
a través de este, el PIB o tasa de crecimiento.11 En este sentido, la política comercial de reducción de
tarifas puede entenderse como una política fiscal expansiva que incide en el crecimiento económico a
través del canal del consumo privado.
Este enfoque Keynesiano se contrapone a la Teoría de la Equivalencia Ricardiana según la cual la política
fiscal no tiene efectos dinámicos en las economías como aseguran los keynesianistas. Sin embargo, el
supuesto que los consumidores ahorran los aumentos del ingreso en el presente para pagar impuestos
futuros no es muy plausible. De cualquier manera, al someter a prueba empírica el canal de transmisión
del consumo privado, se pone a prueba también la hipótesis ricardiana de neutralidad de la política
fiscal.
Todos los mecanismos anteriores tienen efectos directos e indirectos. Los directos son los que se
generan en el sector exportador propiamente. Los efectos indirectos son los que impactan
positivamente (externalidades positivas de producción y consumo) a otros sectores que no son los de
exportación. En efecto, las empresas y familias consumen productos y bienes intermedios que no son
exportables sino que producidos para el mercado local (no exportables). Por su parte, las importaciones
de bienes intermedios y finales, si bien no forman parte (contablemente hablando) del producto interno
bruto de una economía, ponen en funcionamiento el mecanismo de la competencia entre empresas
locales y extranjeras; las primeras buscarán reducir sus costos de producción para poder competir con
las empresas extranjeras y sustituir importaciones a través de mejoras en los procesos productivos. En
un estudio de medición del impacto del comercio generado por la firma de un ALC entre México y
Estados Unidos y Canadá, se analizó empíricamente el impacto de algunos de estos canales de
trasmisión al crecimiento económico (usando como proxy una variable de ingreso)12.
El efecto positivo en el ingreso o producto interno bruto de las económicas ocasionados por el
mecanismo tecnológico (efecto directo) y el mecanismo de competencia (efecto indirecto)
retroalimentan el efecto de la reducción arancelaria (o de otras medidas de política comercial). El mayor
11
Para que realmente la política fiscal sea expansiva y tenga el máximo efecto expansivo, el gobierno no debe
compensar la pérdida de ingresos por reducción arancelaria, reduciendo el gasto y/o elevando otros ingresos
públicos, es decir, debe existir necesariamente un aumento del déficit fiscal. Teóricamente, existe la posibilidad
que la política expansiva no incida positivamente en el consumo presente ni futuro como argumenta Robert Barro
(1974) en su teoría de la “Equivalencia Ricardiana” según la cual los consumidores ahorran el ingreso disponible
adicional originado por la reducción arancelaria, porque anticipan que el gobierno subirá los impuestos futuros
para pagar la deuda en que incurre en el presente, por el déficit que provoca la reducción de ingresos (aranceles).
12
Este estudio fue realizado por Sánchez
(2010). Los canales postulados como posibles mecanismos de
transmisión del comercio al ingreso fueron: especialización, retornos de escala, conocimientos e ideas, cambios
tecnológicos e innovaciones.
26
ingreso/producto generado por los efectos directos e indirectos, inducen a un mayor consumo y/o
ahorro/inversión lo que alienta la producción tanto de los sectores de exportación e importación en un
segunda ronda de efectos a mediano y largo plazo. A nivel empírico, esto se manifiesta en estudios
donde se ha encontrado que la relación de causalidad positiva entre comercio y crecimiento económico
es en ambas direcciones (ver por ejemplo Cankarahasan, 2009; y Fernández y Pérez, sin año).
La siguiente Figura 2, ilustra lo anterior. Se observa en la ilustración que hay una relación de causalidad
en ambos sentidos: el mayor comercio impacta positivamente el crecimiento económico, a su vez, el
mayor crecimiento económico estimula el consumo y la inversión de las familias y empresas
respectivamente. Para satisfacer la mayor demanda de consumo e inversión, las empresas producen
más bienes de consumo final y de bienes intermedios. El impacto positivo que se da a través de los
canales de transmisión descritos arriba, una vez que han sido confirmados por las autoridades, estas
tienden a mejorar o facilitar aún más el comercio internacional –al menos no se buscará restringir el
comercio. Aun si no se facilita más el comercio, las los mecanismos de transmisión continuarán
funcionando de manera que incentivarán la producción de exportables e importables; lo cual fortalecerá
el crecimiento económico. Por esta razón, se puede explicar porque muchos países con estrategias de
crecimiento basada en las exportaciones como China han experimentado periodos largos de crecimiento
económico elevado.
En la literatura sobre el comercio y el crecimiento se señala que algunos factores que explican el por qué
el aumento de las exportaciones impacta positivamente en el crecimiento económico son
principalmente las siguientes:
1) La generación de divisas (mecanismo de consumo o ingreso) que permite adquirir las importaciones
necesarias para la expansión económica (la restricción externa).
2) La reasignación de recursos (mecanismo tecnológico) hacia actividades y empresas de mayor
productividad, con el consecuente incremento de la productividad media de la economía.
3) La existencia de un mayor contacto con la economía internacional y con las exigencias de
competitividad (mecanismo competitividad) que enfrentan las actividades exportadoras y sus
proveedores (externalidades positivas). Este efecto será mayor cuanto más diferenciado sea el producto
y mayor sea la capacidad nacional para absorber el aprendizaje de las empresas exportadoras.
4) El aprovechamiento de economías de escala y de especialización (mecanismo tecnológico),
derivadas de la ampliación de los mercados a los cuales las empresas locales destinan su producción.
27
Figura 2. Efectos bidireccionales de segunda vuelta ente el comercio y el crecimiento
En el siguiente apartado se discuten las implicaciones de la complejidad de las relaciones entre el
binomio “comercio –crecimiento” en las metodologías que deben utilizarse para medir el “verdadero”
impacto del comercio en el crecimiento económico.
28
C. METODOLOGÍAS POTENCI ALES EXISTENTES P ARA LA MEDICIÓN DEL IMPA CTO
DEL COMERCIO EN L AS ECONOMÍAS
Existen metodologías rigurosas y menos rigurosas para medir el impacto de una intervención de política
económica o de un programa o proyecto público para lograr determinados efectos en la población.
Las metodologías más rigurosas son las que utilizan dos grupos de comparación que son similares en
todo, excepto en que uno está sujeto a los efectos de la intervención (política económica, programa o
proyecto) y el otro no. Sin embargo, estas metodologías son las más difíciles y costosas de implementar
porque requieren técnicas especiales y recursos para diseñar todo el proceso de medición impacto, por
ejemplo la realización de encuestas y uso de registros administrativos o creación de registros
administrativos. Estas metodologías se conocen como metodologías experimentales. En esencia se trata
de seleccionar aleatoriamente13un grupo de una población potencial beneficiaria que recibirá la
intervención y otro grupo de la misma población potencial beneficiaria pero que no recibirá los
beneficios de la intervención, por ejemplo, la entrega de tecnología de producción a una empresas y a
otras no, o la eliminación de aranceles a unas empresas y a otras no, con el fin de impactar en el nivel de
producción y en los ingresos de esos agentes económicos y finalmente aumentar la producción y el
crecimiento económico sostenido. En esta situación la medición del impacto es directa y simple. La
diferencia entre el promedio de la producción o ingreso del grupo intervenido y la media del grupo no
intervenido o de control, será el impacto atribuible única y exclusivamente a la intervención. La Figura 2,
ilustra claramente, en el caso que la variable objetivo fuera Y (que puede ser por ejemplo la producción
de empresas exportadoras o el PIB de una economía). La variable objetivo Y (outcome) puede ser en
niveles o tasas de variación porcentual. Si el grupo de empresas con tratamiento reporta un incremento
de 25% al año y el grupo de empresas de control registra una tasa de crecimiento de 5% anual,
entonces, la intervención tuvo un impacto de 20 puntos porcentuales. Esta medición es exacta ya que no
existen otras variables o factores que hayan incidido en las empresas del grupo de control y tratamiento.
Usando metodología del contrafactual, las estimación de la diferencia en los promedios de las variables
objetivos de los grupos de intervención y de control es la medida exacta del impacto ya que los
participantes de ambos grupos tienen similares o iguales característica observables y no observables; lo
único diferente entre ellos es su participación o no en la intervención o política pública. El requisito
fundamental para que los grupos de control e intervención tengan las mismas características, excepto la
intervención, es que hayan sido seleccionados de manera aleatoria en un experimento ad-hoc de
selección de muestras aleatorias. La medición de impacto con grupos de tratamiento y control aleatorios
es la metodología más exacta y creíble. Sin embargo, en la mayoría de situaciones, los grupos no son
seleccionados aleatoriamente dado que las políticas económicas o programas públicos son
seleccionados a propósito, lo que da lugar a una medición de impacto “cuasi-experimental”. Por
ejemplo, las empresas de un sector específico considerado “sensible” que se desea proteger con
13
La selección de los grupos debe ser aleatoria para que todos los seleccionados, ya sean dentro del grupo de
intervención o del grupo de control, tengan la misma distribución de características ya sean observables y no
observables. Esto es crucial para poder afirmar que la medición del impacto que se deriva del experimento es
exacta y atribuible exclusivamente a la intervención. Véase por ejemplo, Ivalua (2009) y Banco Mundial (2010).
29
medidas comerciales dentro del marco de un ALC o simplemente como una medida proteccionista. Si se
planeara una medición de impacto de esta medida comercial se requeriría separar a las empresas de
este sector sensible en dos grupos, uno beneficiario y otro no beneficiario, lo cual no se realiza
generalmente por no considerarse justo, aunque si es técnicamente viable realizarlo. Si se realiza, el
impacto de la política en la producción de las empresas sensibles seria la diferencia de los promedios de
producción de ambos grupos durante el periodo analizado.
En el caso de políticas comerciales que afectan a todo el país, no es posible aplicar una medición de
impacto experimental o cuasi experimental. Sin embargo, varios estudios aplican una metodología
usando grupos de países que han implementado una determinada política o estrategia comercial y
comparan este grupo de países con otros donde no se ha implementado dicha política y estrategia y se
comparan las variables “objetivo de interés, tales como el PIB, el bienestar, las exportaciones,
importaciones y el saldo de la cuenta corriente de la balanza de pagos. Los cuestionamientos a las
conclusiones de estos estudios es que los grupos de países no son similares y que las diferencias que
explican su desempeño económico no se han tomado en cuenta debidamente o que la información
utilizada para medir el desempeño de los países no han sido las más apropiadas. Rodríguez y Rodrik
(2001), por ejemplo, se muestran escépticos a diversas investigaciones que analizan el impacto del
comercio en el crecimiento, en buena parte porque consideran que las variables explicativas del
crecimiento económicos utilizadas en las mediciones no son las que realmente reflejan a la posición
adoptada por las políticas comerciales de los países. En este caso, la medición del impacto se considera
inexacta por uso de información inapropiada aunque no por la metodología empleada de grupos e
control y de tratamiento.
La teoría econométrica ha desarrollado diversas técnicas para medir los impactos cuantitativos de las
intervenciones con grupos de control y de tratamiento. Por ejemplo Khandker et all del Banco
Mundial (2010) describen de manera muy detallada estas metodologías a nivel teórico y práctico. Las
metodologías se clasifican en experimentales (si usan grupos de control y beneficiados seleccionados
aleatoriamente) o cuasi—experimentales- si los grupos se seleccionan usando técnicas no aleatorias.
En los casos donde no es posible contar con un grupo de control, se utiliza la metodología de grupo
reflexivo. Esta técnica utiliza información del mismo grupo “antes” y “después” de la intervención, de
esto se deriva su calificativo de método “reflexivo”. En la práctica esta metodología se realiza mediante
encuestas o mediante técnicas econométricas. Las encuestas se utilizan generalmente cuando no existe
información dela variable objetivo y es necesario generar la información; las econométricas se emplean
cuando existe información de las variables producidas por instituciones especializadas confiables, por
ejemplo, las variables económicas producidas por las oficinas nacionales de estadística o por los bancos
centrales.
La medición del impacto de una intervención sin grupo de control es simplemente la diferencia entre la
variable objetivo estimada antes y después de la intervención, siempre que los periodos antes y después
son comparables, es decir, se mantienen las mismas condiciones o factores que afectan la variable
objetivo. Si existen otros factores que afectan la variable objetivo distintos a la intervención, entonces la
diferencia entre los valores de la variable objetivo antes y después de la intervención no puede
atribuirse exclusivamente a la intervención.
Una revisión de la literatura sobre comercio internacional que tiene como propósito medir el impacto
del comercio internacional en las economías evidencia que no son muchas las investigaciones que
aplican las metodologías de evaluación de impacto de política económica descritas en este apartado.
30
Esto aplica a las investigaciones sobre el tema realizadas para la región Centroamérica. La revisión de la
literatura aplicada sobre comercio internacional revela que el enfoque de medición de impacto del
comercio en las economías centroamericanas se limita a medir cuantitativamente los efectos del
comercio en la dinámica económica para determinar la importancia de los determinantes de dicha
dinámica y los canales a través de los cuales se transmiten las medidas de política económica. La escasez
de estudios de evaluación de impacto de política económica, como se ha descrito en este apartado,
puede deberse a las dificultades de contar con periodos comparables “antes y después” dado que los
países implementan una gran variedad de medidas de política que cambian a través del tiempo o por la
dificultad de encontrar países con característica económicas similares (incluyendo por ejemplo, tamaño
población, cultura, regímenes políticos, regímenes cambiarios o monetarios, seguridad y combinación
de políticas económicas) que puedan servir de grupo de control.
Figura 2. Ilustración del impacto de un experimento social con contrafactual
Fuente: Ivalua (2009), Instituto Catalán de Evaluación de Políticas Públicas, Barcelona, España
La Figura 3 ilustra la naturaleza de la metodología cuasi-experimental reflexiva de medición de impacto
de política económica “antes-después”. Cuando no se puede obtener un grupo contrafactual porque
toda la población del país está sujeta a la intervención, se recurre a la metodología “antes-después” la
cual generalmente utiliza series de tiempo de las variables objetivo. En este caso, se requiere obtener
suficiente información económica de las variables que se necesitan para estimar el impacto de la
intervención de política Esta metodología requiere que el periodo anterior a la intervención sea igual o
similar al periodo después. Si esta condición se cumple, entonces se estima un modelo econométrico
que cuantifique los principales determinantes de la variable objetivo –generalmente el PIB. Si el modelo
ha sido bien especificado y estimado, entonces se realizan proyecciones del PIB para el periodo
31
“después” con dicho modelo. En este periodo -que es cuando está vigente la intervención de política
económica- se toman los valores observados del PIB y se comparan con los estimados previamente; el
impacto es simplemente la diferencia entre las proyecciones y los valores observados dado que la única
diferencia entre un periodo y otro es la implementación de la intervención de policita.
Figura 3. Ilustración de la metodología de medición de impacto antes-después
Fuente: Ivalua (2009), Instituto Catalán de Evaluación de Políticas Públicas, Barcelona, España
En el caso de la medición de los efectos del comercio en las economías, usando el enfoque “antes –
después, se requeriría obtener información suficiente de las causas relevantes que afectan el
crecimiento (entre ellas están las exportaciones e importaciones) y así medir su impacto en el
crecimiento económico. Si la información disponible no es suficiente o tiene errores de medición se
producirán estimaciones erróneas de los impactos de las variables económicas y por tanto en la
medición del impacto de una intervención de política.
Por ejemplo, la teoría del comercio internacional, combinada con la teoría del crecimiento endógeno,
destaca que el progreso tecnológico que viene aparejada con el comercio exterior es uno de los
principales determinantes del crecimiento. Sin embargo, no hay información que explícita y
directamente mida el progreso técnico. Esta situación lleva al uso de variables económicas alternativas
como la productividad por trabajador obtenida a través del cociente del PIB entre el número de
ocupados, que es una variable aproximada (“proxy”), o a la exclusión de esta variable de un modelo
econométrico que intente medir los determinantes del crecimiento. Dado que en muchos casos no se
cuenta con información sobre las variables observables y no observables, la medición del impacto estará
32
sujeta a errores de estimación por omisión de variables (información) o errores en la medición de las
variables. Por ejemplo, la teoría del comercio propone el modelo donde el PIB (Y) está en función del
comercio (X y M), o sea Y = Y(X, M).
Modelo teórico, p.e.
(1):
Y = f(X, M) donde X: exportaciones, M: importaciones, Y: PIB
Modelo matemático
(2):
Y = a + bX – cM donde: a y b son parámetros a estimar
Modelo econométrico (3):
Y = a + bX –cM + e donde e: el error de estimación o aleatorio,
En la ecuación (3) no se han incluido variables que a priori se sabe afectan el crecimiento económico
(p.e. la inversión, la tecnología, y el consumo agregado privado) por falta de información. Si como
establece la teoría del crecimiento endógeno, la tecnología afecta positivamente las exportaciones y
esta variable no se incluye en el modelo, entonces el impacto de las exportaciones en el crecimiento de
Y estaría sobrestimado porque las exportaciones son favorecidas por el avance tecnológico. Entonces, la
estimación de (3) adolece de un error de especificación al excluir variables que efectivamente explican el
-crecimiento económico. Como resultado, el término de error usando (3) no estaría bien estimado ni el
impacto de las exportaciones en el crecimiento económico. En general, si las variables excluidas del
modelo (3) están de alguna forma correlacionadas con las variables X y M, los coeficientes b y c de (3)
no serían exactos y la medición de su impacto en el crecimiento sería erróneo.
Si las variables excluidas en (3) afectan tanto al PIB como a las variables explicativas entonces las
estimaciones de la ecuación (3) son sesgadas y no miden con precisión el impacto de las variables
explicativas (X y M). La diferencia entre el PIB estimado (
) y el PIB observado (Y) es el error de
estimación ( ) y en este caso esta correlacionado con las variables explicativas X y M y no se cumple
uno de los supuestos de la técnica de Mínimos Cuadrados ordinarios (MCO) que es la independencia de
las variables explicativas y el error estimado. Esto es lo que sucedería con la estimación del impacto del
comercio intrarregional en el crecimiento económico y por tanto las estimaciones no serían robustas ni
convincentes como indican Rodríguez y Rodrik (2001), Cankarahasan (2009), Fernández y Pérez (sin
fecha). Los errores de especificación de modelos econométricos también pueden derivarse del
subjetivismo del investigador. Esta situación ocurre cuando la teoría no ofrece suficiente información
para especificar un modelo econométrico y el investigador debe decidir cuáles son las variables que
deben incluirse en el mismo. Por esta razón, Sims (1980) propuso considerar a todas las variables como
endógenas y exógenas al mismo tiempo, lo que es posible realizar econométricamente mediante la
conocida técnica de vectores autorregresivos de corrección de errores. Más adelante se describe esta
técnica econométrica que es actualmente muy utilizada para analizar las relaciones cuantitativas entre
las variables económicas.
Si el error de estimación ( ) no cumple ciertas características, tal como su independencia de las
variables X y M, entonces la medición del impacto de las exportaciones en el crecimiento no es
confiable. Por esta razón, la información estadísticas económica y social necesaria para implementar las
metodologías de medición de impacto de política económica juega un papel fundamental que puede ser
limitante en algunos casos. Si no existe información suficiente y adecuada, la medición de impacto de
política no será posible o tendrá problemas de robustez y credibilidad.
La teoría econométrica se ha ocupado de estos problemas de especificación
econométricos como el anterior.
de los modelos
33
Asumiendo que los problemas de especificación están solventados, las metodologías de medición de
impacto tal como se han descrito en este apartado incluyen dos enfoques:
1. Uso de grupos de tratamiento y control (experimental o cuasi-experimental)
2. Uso del enfoque “antes-después” (cuasi-experimental).
En primer enfoque debería incluir dos grupos de países “muy similares” (donde las variables explicativas
del crecimiento económico son similares) para poder comparar los efectos de una política comercial. En
la literatura especializada, esta metodología se utiliza más para evaluar la efectividad de estrategias de
crecimiento basada en exportaciones o en sustitución de importaciones que para evaluar el impacto de
una política comercial; su aplicación implica la selección de países muy similares en sus características
para efectuar la comparación de los valores promedios de la variable objetivo y medir el impacto como
la diferencia entre dichos valores. Por otra parte, el segundo enfoque se ha utilizado también para
analizar el impacto de estrategias de crecimiento --basada en promoción de exportaciones o sustitución
de importaciones- más que para medir el impacto de una política económica en particular en el
crecimiento económico.
En la sección III de este informe se resumen varios estudios sobre la relación comercio internacional y
crecimiento económico en las economías centroamericanas, aunque como se verá, ninguno de ellos
tiene como objetivo medir el impacto del comercio en el crecimiento económico desde el punto de vista
de política económica como se ha discutido en este apartado. Todos los estudios consultados, analizan
los determinantes del comercio internacional y su relación positiva o negativa sobre el crecimiento sin
buscar medir el impacto de la política comercial o del comercio en el crecimiento económico de la
manera que se entiende en este informe “la medición del impacto”14.
El reto de las metodologías para medir el impacto del comercio en las economías
La teórica económica, la matemática y la estadística se han combinado para crear las metodologías y
técnicas idóneas para cuantificar las relaciones o efectos de unas variables económicas sobre otras. El
reto de la econometría es aislar los efectos que las distintas variables explicativas tienen sobre la
variable de interés.
La Figura 1 muestra que los flujos comerciales (exportaciones e importaciones de bienes) son
determinados por un sinnúmero de factores no solo por los instrumentos de la política comercial. En
este sentido las metodologías econométricas que usan modelos de una ecuación o modelos de
equilibrio parcial -que solo consideran en el análisis un sector económico o agente económico- no se
consideran como las más apropiadas dada la naturaleza de simultaneidad de las relaciones entre las
variables que intervienen en la dinámica del comercio y crecimiento de las economías. Estas
metodologías econométricas estarían ignorando variables explicativas fundamentales para realizar una
estimación los más cercana posible al verdadero impacto de una variable sobre otra. Este es el problema
de especificación descrito anteriormente.
14
Una crítica importante a los modelos econométricos que buscan evaluar el impacto de políticas es la de Robert
Lucas (1976), Premio Nobel de Economía. Este autor señala que aunque un modelo econométrico este bien
estimado y se mantengan las condiciones económicas en los periodos antes y después, ellos no pueden ser
utilizados para pronosticar las variables y con las estimaciones realizar análisis de impacto ya que los coeficientes
de regresión que indican el impacto cuantitativo de las variables económicas cambian ante cambios en la política
económica.
34
La Figura 1 ilustra como los flujos comerciales dependen o están relacionados con una diversidad de
instrumentos o variables económicas. La figura trata de reproducir las relaciones de causalidad entre las
variables postuladas por la teoría del comercio internacional. La teoría describe las relaciones
causalidad o mecanismo de transmisión entre las variables y la econometría debe encargarse de
identificar cuáles son las relaciones relevantes y medir su impacto. La evidencia empírica al respecto es
mixta, en unos casos las relaciones de causalidad o canales de transmisión se confirman en otros no,
incluso se encuentran casos en que la causalidad es en dos vías o no se encuentra casualidad entre las
variables.15. Entre estas se encuentra desde luego, la política comercial y sus diversos instrumentos
tales como, las tarifas arancelarias, medidas de contingencia, cuotas, y las barreras no arancelarias
(requisitos de calidad, sanitarios, fitosanitarios, origen, etiquetado y peso y volumen). Sin embargo,
existen una serie de otras variables que afectan los flujos comerciales como son las políticas monetaria,
fiscal, cambiaria y crediticia. Por ejemplo, las políticas expansivas que generan inflación doméstica
mayor que la de los países socios de comercio tienden a encarecer los bienes exportados con el
consiguiente impacto negativo sobre las exportaciones, de manera que un intento de explicar la
evolución del comercio y por tanto del crecimiento, únicamente mediante los cambios en los niveles
arancelarios con seguridad “fallará” en explicar una buena parte del flujo comercial y de la dinámica
económica de un país.
Rodríguez y Rodrik (2001) analizan un sinnúmero de estudios que tratan de proporcionar evidencia del
efecto de la apertura comercial (reducción de tarifas); ellos encuentran que existe una vasta evidencia
que confirma los efectos positivos del comercio pero que tienen problemas de robustez porque las
variables explicativas utilizadas no son muy adecuadas y por lo tanto generan problemas de
especificación y de aceptación de los resultados entre los analistas; esta situación se refleja en la
persistente y extensa producción de investigación empírica sobre la relación comercio-crecimiento. En
general la crítica consiste en que los modelos econométricos no incluyen las variables explicativas
relevantes, es decir, no son especificados correctamente con las variables explicativas relevantes.
Además, la medición del impacto de una política económica o un cambio en una variable económica
mediante el enfoque “antes-después” requiere que en ambos periodos las variables que explican el
crecimiento económico se mantengan iguales a través del tiempo, lo cual generalmente no se cumple en
la práctica como ha señalado Lucas (1976). Por esta razón probablemente, los investigadores no tratan
la medición de impacto en el sentido de “evaluación de política económica” discutido en este apartado.
Metodologías econométricas y no econométricas para medir el impacto del comercio
La teoría económica ofrece cuales son las variables que explican el comportamiento de otras variables
explicadas (dicho de otra forma, la teoría indica cuáles son las variables que causan a otras variables).
Corresponde a la econometría o análisis empírico determinar cuáles de dichas variables son relevantes y
en qué medida contribuyen a explicar las variables explicadas. En el apartado B. de esta sección se
presentaron las principales variables que explican el efecto directo e indirecto del comercio
15
Estudios recientes cuestionan la relación de causalidad en un solo sentido de muchas de estas políticas o
variables económicas. Ver por ejemplo, Burhan Cankarahasan (2009), Causal links between trade and economic
growth.Evidence from Turkey and European Union countries, Munich Personal RePFc.En este estudio se analiza
cual es la relación de causalidad entre las políticas comerciales y sus instrumentos y el crecimiento económico. El
autor concluye que existe evidencia que la relación es a la inversa de lo ilustrado en la Figura 1, contrario a los
postulados teóricos.
35
internacional en el crecimiento económico. Se observó que el comercio depende de una gran variedad
de factores incluyendo la política comercial, y que el comercio (entendido como el flujo de
exportaciones e importaciones) incide en otras variables que a su vez afectan en forma simultanea el
nivel o el crecimiento del PIB de una economía.
En el caso del comercio, como se ilustra en la Figura 1 y en la 2, su impacto se da a través de varios
mecanismos de transmisión que tienen efectos contemporáneos directos e indirectos y a través del
tiempo, es decir impactos simultáneos y dinámicos. Esta característica de simultaneidad también se
conoce como “endogeneidad” lo cual se debe a que ciertas variables son explicativas o exógenas que
explican el comportamiento de otras variables explicadas o endógenas, pero al mismo tiempo son
influenciadas por una o más de esta variables endógenas. Como se verá más adelante, esta
característica incide de manera importante en la técnica econométrica que se debe seleccionar para
medir correctamente o de manera lo más precisa posible, el impacto o relación cuantitativa entre las
variables en estudio.
La econometría consiste en la aplicación de las matemáticas y estadística a los datos económicos que
reflejan el comportamiento de los agentes o variables económicas con el fin de apoyar los modelos
teóricos mediante resultados numéricos. En otras palabras, se trata de cuantificar, basada en algún
postulado teórico como la teoría del comercio internacional, en qué medida una variable (por ejemplo
las exportaciones) explica a otra (por ejemplo el PIB). La econometría es una de las herramientas más
importantes para cuantificar los impactos de las medidas de política económica, si no es la más
importante.
Los pasos que generalmente están involucrados en la metodología econométrica son los siguientes:
1. Se establece un postulado teórico o hipótesis teórica
2. Se especifica un modelo matemático teórico
3. Se especifica el modelo estadístico o econométrico
4. Se obtiene la información de las variables del modelo
5. Se estima el modelo (mediante diferentes técnicas econométricas)
6. se realizan pruebas de hipótesis
7. Se realizan predicciones con el modelo estimado.
8. Se utiliza el modelo para propósitos de análisis económico en general o de política económica.
En relación con el paso 2 es importante notar que la teoría muchas veces no ofrece suficiente
información para especificar un modelo como ya se discutió anteriormente. En el caso de la teoría del
comercio internacional, esta indica en una apretada síntesis, que si no hay barreras a los flujos de
mercancías, los países se especializarán en la producción y exportación (e importación) de bienes en los
que tienen ventajas comparativas o abundancia de factores de producción y por tanto, dada la ganancia
en productividad, su nivel producción nacional (PIB) aumentará. Si existen barreras al comercio,
arancelarias y no arancelarias, estas afectan los niveles de exportación ((X) e importación (M) de
manera negativa.
Modelo teórico matemático:
PIB = f(X, M)
Modelo econométrico:
PIB = a + bX +c M +
En el modelo econométrico las letras a, b, y c representa parámetros de la ecuación de regresión que
deben ser estimados mediante técnicas econométricas alternativas (se espera que b tenga signo
36
positivo, pero la teoría no indica sin ambigüedad el signo de c). La letra ∈representa otras variables
explicativas que afectan el nivel del PIB y que no se incluyen en el modelo, por lo cual se conoce como el
término de error de estimación. De la contabilidad nacional sabemos que el PIB = C + I +G+X – M, donde
C es el consumo, I la inversión y G el gasto del gobierno.
El modelo clásico de una ecuación lineal como la expresada arriba hace el supuesto que el término de
error no está correlacionado con ninguna variable explicativa (en este caso X y M). Si esta condición o
supuesto no se cumple entonces la variable explicativa que esta correlacionada con el término de error
serie endógena. Las tres causas más frecuentes de esta endogeneidad o simultaneidad son: 1) omisión
de una variable explicativa importante, 2) errores en la medición de una variable explicativa y 3) una
relación de causalidad inversa (de la variable endógena a la explicativa). Una o más variables explicativas
serán endógenas si los datos son generados por un proceso que es descrito por un sistema de
ecuaciones simultáneas. Esto ocurre cuando un cambio en una variable del lado derecho de la ecuación
de regresión causa un cambio en una variable del lado izquierdo, y un cambio en una variable del lado
izquierdo, provoca un cambio en una variable del lado derecho.
Considerando un ejemplo de la teoría del comercio internacional, el término de error puede representar
la inversión extranjera directa la cual suele traer aparejada transferencia de tecnología y mayor
productividad de las empresas. Si el término de error aumenta por mayor productividad o inversión
extranjera directa, esto producirá un aumento directo en el PIB, pero el aumento del PIB también
afectara simultáneamente el nivel de exportaciones. En este caso, si se mide el impacto de las
exportaciones en el PIB solo mediante la estimación de una ecuación, se estará midiendo
incorrectamente el coeficiente de regresión de X. Por lo tanto la técnica correcta de medición del
impacto de las X en el PIB requiere resolver un sistema de ecuaciones simultáneas que tendría dos
ecuaciones como las siguientes:
PIB = a + b X + 1
X = cPIB +d I + 2
Existen técnicas econométricas para probar si existe simultaneidad (endogeneidad) o no, y por lo tanto,
si la técnica apropiada correcta a implementar es uniecuacional o multiecuacional (ecuaciones
simultaneas) o utilizar métodos de estimación econométrica alternativas al método de mínimos
cuadrados ordinarios (p.e. uso de variables instrumentales). En el caso de las variables de comercio
internacional y sus relaciones con la dinámica de las económicas, es indispensable realizar una prueba
de endogeneidad dadas las relaciones simultáneas entre las variables ilustradas en la Figura 216.
Las metodologías no econométricas para medir el impacto del comercio internacional en las economías
son las de programación lineal o no lineal conocida como modelos de equilibrio general computable
(MEGC). Estos modelos también utilizan sistemas de ecuaciones simultáneas pero se resuelven
mediante programación matemática de optimización. En esta metodología se utilizan ecuaciones de
representan la producción, oferta y demanda de bienes. En este contexto se aplica la noción de
equilibrio económico general basado en la teoría del comportamiento del productor, el consumidor
(hogares), sector externo, etc., los cuales son maximizadores de utilidad o bienestar.
En materia de comercio internacional las unidades de observación están conformadas por países de
modo que las metodologías experimentales o cuasi-experimentales de evaluación de impacto de las
16
El test de Hausman es el más popular entre las técnicas. Ver Gujarati (2004).
37
políticas económicas deben implementarse utilizando un país o grupos países o regiones para medir
dicho impacto. Las técnicas econométricas a utilizar que están disponibles para este propósito son los
modelos uniecuacionales, multiecuacionales (sistema de ecuaciones simultaneas) y de equilibrio general
matemático o computable. A continuación se describen en más detalle cada una de estas metodologías.
Modelos uniecuacionales de equilibro parcial (MEP)
Estos modelos utilizan una sola ecuación (modelo uniecuacional, MUE) y por su propia naturaleza
utilizan un análisis de equilibro parcial de la realidad, es decir, únicamente consideran los efectos
directos en una sola variable a la vez. Como se describió en párrafos anteriores, para que esta
metodología sea apropiada, es necesario que se cumpla el supuesto que las variables explicativas
incluidas en el modelo no estén correlacionadas con el termino de error de la ecuación de regresión, es
decir, no debe existir simultaneidad en la relación entre las variables, de lo contrario deberán usarse
modelos de sistemas de ecuaciones simultaneas que den cuenta de la endogeneidad entre dos o más
variables. La técnica más utilizada para estimar ecuaciones de regresión es la técnica de mínimos
cuadrados ordinarios (MCO) la cual elige el modelo estimado que produce los menores errores de
estimación elevados al cuadrado, de ahí su nombre de mínimos cuadrados. La exposición se este
método no cae dentro del alcance de este informe, pero existen muchos libros de texto que exponen
esta técnica.
Si se determina que esta metodóloga es técnicamente viable, es decir, representa el proceso generador
de los datos de las variables económicas incluidas en el modelo de regresión, entonces la medición del
impacto de una política económica puede realizarse, bajo ciertas condiciones, mediante la estimación
de la regresión mediante MCO en el periodo antes de la intervención de una política y, con este modelo
estimado proyectar la variable de interés (p.e. el PIB) y comparar las estimaciones con el dato (PIB)
observado, siendo la diferencia entre las ambos cifras observada y estimada el impacto de la política.
Los supuestos que debe cumplir un modelo de regresión lineal uniecuacional son los siguientes:
1. El modelo es lineal en los coeficientes de regresión (aunque no necesariamente en las variables)
2. Las variables explicativas son fijas en muestras repetidas
3. El termino de error tiene un valor promedio de cero (media cero)
4. El termino de error tiene varianza constante
5. Los términos de error no están correlacionados
6. El termino de error no está correlacionado con las variables explicativas
7. El número de observaciones de las variables debe ser mayor que el número de parámetros de la
ecuación de regresión
8. Las variables explicativas deben tener variabilidad
9. El modelo de regresión está bien especificado
10. No hay perfecta colinealidad entre las variables explicativas.
Las ventajas de esta metodología uniecuacional consisten en su facilidad de interpretación, el uso de
relativamente poca información y la menor probabilidad de cometer errores de especificación. Sin
38
embargo tiene la desventaja que al usar poca información los resultados pueden ser menos precisos, lo
cual se refleja en una baja explicación de las variables explicativas. La información que usan estos
modelos, al igual que otros modelos de ecuaciones simultáneas son: series de tiempo, datos de
encuesta o corte transversal y datos de panel que combinan ambos tipos de datos.
Las técnicas para estimar estas ecuaciones son variadas siendo la metodología de mínimos cuadrados
ordinarios las más usada. Otros métodos empleados, que se vuelven un requisito cuando algunos
supuestos no se cumplen o cuando la especificación del modelo incluye variables rezagadas o
retardadas, son por ejemplo: mínimos cuadrados generalizados, variables instrumentales, máxima
verosimilitud, y mínimos cuadrados en dos etapas (MC2E).
Finalmente, debe señalarse que la econometría moderna requiere que las variables del modelo de
regresión estén correlacionadas o tengan una relación de causalidad verdadera de largo plazo, es decir,
que la relación entre las variables tenga sentido económico. La técnica empleada para asegurar que las
variables tienen esta relación de largo plazo se denomina “cointegración”.
Modelos multiecuacionales o de ecuaciones simultáneas (de equilibrio general).
Estos modelos permiten estimar de manera simultánea los parámetros de las distintas variables
explicativas del sistema de ecuaciones simultaneas (modelo de ecuaciones simultaneas, MES). Si las
variables económicas que participan en la construcción de la teoría del comercio internacional, están
correlacionadas en algún grado como se ilustra la Figura 1 presentada anteriormente, estos MES son los
apropiados para medir correctamente –o de forma más precisa que los MUE- el impacto del comercio
internacional en las economías centroamericanas ya que evitan las inexactitudes que genera el
problema de endogeneidad en los modelos uniecuacionales. Las técnicas o métodos de estimación de
los MES incluyen: mínimos cuadrados directos, mínimos cuadrados indirectos, variables instrumentales,
máxima verosimilitud con información limitada o completa, y mínimos cuadrados en dos o tres etapas.
Las ventajas de estos modelos a diferencia de los MUE es que utilizan mucha información y por tanto las
estimaciones son más exactas. Sus principales desventajas son: sensibilidad a incurrir en errores de
especificación, particularmente cuando la teoría no ofrece información suficiente para especificar las
ecuaciones de regresión del sistema, y la dificultad de obtener una gran cantidad de información para
alimentar el MES. Al igual que los MUE, los MES utilizan información de series de tiempo, corte
transversal y datos de panel.
Una variante de los MES es la metodología de vectores autorregresivos de corrección de errores
(VECM), los cuales se conforman de un sistema de ecuaciones donde todas las variables analizadas son
endógenas (aparecen del lado izquierdo de las ecuaciones) y exógenas (aparecen al lado derecho de las
ecuaciones de manera rezagada) de acuerdo a Sims (1980). Este método tiene la ventaja que soslaya el
problema de especificación de las ecuaciones que conforman el sistema de ecuaciones y utiliza mucha
información para la estimación de las relaciones entre las variables. Esta característica es de suma
importancia para medir de manera correcta el impacto y causalidad de las variables económicas en
materia de comercio internacional y crecimiento económico, dado el carácter simultaneo de sus
relaciones (ver Figura 2).
Otra ventaja de los VECM es que consideran la dinámica de ajuste de las variables en el corto plazo,
cuando se registra un shock inesperado que hace que éstas se aparte transitoriamente de su relación de
equilibrio de largo plazo, como el restablecimiento de la relación de equilibrio en el largo plazo, siendo
39
especialmente útil la información que brinda sobre la velocidad de ajuste hacia tal equilibrio (ver Arias,
2004). Los VECM también ofrecen la ventaja de investigar y cuantificar los canales de transmisión que
se postulan tanto en las teorías económicas como por trabajos empíricos previos, o los canales
sugeridos por los patrones de comportamiento de las variables económicas.
Otra variante de los modelos de ecuaciones simultaneas, son los modelos de equilibrio general
computable (MEGC). Estos modelos se resuelven utilizando programación lineal matemática.
Como se mencionó antes, un modelo de equilibrio parcial, no proporciona un análisis completo del
impacto de una política comercial como per ejemplo una desgravación arancelaria que contiene un ACR
típico al menos por dos razones. Primero, un MEP no considera la interacción entre productos, que
proviene de reasignar recursos productivos entre distintos usos, así como de sustituir, complementar o
competir por recursos entre distintos bienes. En segundo lugar, porque, además de estos impactos
estáticos, el acuerdo tendrá también efectos dinámicos asociados con el potencial aumento de la
competencia, el mayor acceso a mercados internacionales, los flujos de IED y la variación en los canales
de transferencia tecnológica, entre otros. Por estas razones, la teoría económica sugiere que para
comprender los efectos de corto y largo plazo de una liberalización generalizada del comercio entre dos
países es mejor considerar en los mercados de todos los productos a la vez. Por ello, los MEGC han
adquirido popularidad en las últimas décadas. Como señala Trejos (2009) “con un MEGC se puede lograr
una mejor estimación, aunque el objetivo sea evaluar los impactos de las políticas sobre un sector
particular, una región geográfica, o un grupo específico de hogares”.
Limitaciones de los MEGC incluyen el hecho que no consideran el comportamiento histórico de las
variables comerciales ya que parten de una situación de equilibrio, y luego de realizar un choque al
modelo en el que se simula una política comercial, se estima otra situación de equilibrio la cual se
compara con el equilibro inicial. Esto puede llevar a conclusiones erróneas. Otra limitación importante
es que estos modelos utilizan información especializada abundante ya que se basan en una matriz de
contabilidad social que incluyen todos los sectores de la economía y esta información generalmente no
se encuentra disponible y debe ser preparada de manera ad-hoc; además la construcción de la MCS
requiere tomar decisiones sobre los niveles de agregación o promedios de las variables económicas, lo
que puede llevar a diferentes cálculos de los impactos de las medidas de política analizadas. Así mismo,
los MEGC requieren la realización de supuestos respecto al comportamiento de los agentes económicos,
y los resultados son muy sensibles a estos supuestos, de manera que distintos analistas pueden arribar a
conclusiones muy disimiles si realizan supuestos diferentes. Por ejemplo, se debe escoger entre el
supuesto de competencia perfecta o de competencia imperfecta y sobre la tecnología de producción
que usan las empresas. Igualmente es crucial el hecho que los MEGC requieren que se introduzcan
valores sobre las elasticidades de sustitución de bienes importados y producidos localmente; de manera
que al igual que en el caso anterior, se pueden alcanzar conclusiones muy diferentes si se usan
elasticidades distintas.
Metodologías de medición del impacto del comercio internacional en el crecimiento económico.
Un estudio realizado por Trejos (2009) revisa la literatura sobre los modelos o metodologías utilizadas
para analizar el impacto del comercio en las economías de países de América Latina. De acuerdo a
Trejos (2009), los modelos que se aplican en América Latina de manera reiterada para medir el impacto
40
del comercio en el crecimiento son17: a) Modelos gravitacionales 18, b) Modelos de equilibrio parcial y
c) Modelos de equilibrio general. Este autor no especifica si se refiere a la medición de impacto de
política económica en el sentido discutido en el apartado A de esta sección o la medición cuantitativa de
las relaciones entre la variables económicas sin comparar con las dos situaciones aludidas
anteriormente: con y sin política o intervención o “antes-después”. Sin embargo, todos estos modelos
tienen la capacidad de estimar ambas situaciones (antes y después) y utilizarse por tanto en un
ejercicio de evaluación de política pública.
Modelos gravitacionales. Estos modelos se basan en una analogía, comparando el comercio entre dos
países con la atracción gravitacional de dos cuerpos celestes. Al igual que la fuerza de la gravedad entre
estos últimos depende de su masa y de la distancia que los separa, entonces el comercio entre dos
países dependería del tamaño de sus respectivas economías y la distancia económica (el costo de
transporte, la lejanía física) entre ellos. Esta analogía es útil en la medida en que se pueda comprobar
con los datos que, efectivamente, el tamaño de un país y su facilidad para comunicarse con el mundo
predicen bien su comercio. Ése es el propósito, por ejemplo, de estudios empíricos tempranos, como los
de Tinbergen (1962), que incorpora las barreras legales al comercio como parte de la “distancia” entre
las naciones, y los datos lo respaldan vigorosamente. Es a partir de esta proposición que la ecuación
gravitacional de Newton representó un modelo adecuado para el análisis estadístico de los flujos
comerciales bilaterales entre dos entidades geográficas.
En términos generales, la ley de gravitación universal adaptada a las interacciones sociales es expresada
como
(1) Fij = G
donde Fij es el flujo existente desde el origen i hasta el punto de destino j; Mi y Mj representan distintas
variables económicas representativas de los puntos i y j; y Dij es la distancia que los separa.
Inevitablemente el modelo aplicado discrepa de la ecuación “ideal” que se ajustará perfectamente a las
peculiaridades específicas de los datos. Este simple modelo no captura el efecto de fenómenos de
modificar el volumen de comercio en relación con lo esperable, como la existencia de una frontera en
común, de complementariedad agrícola por raciones estacionales, de ventajas e incentivos por sistemas
de preferencias comerciales, o del impacto de esquemas de integración regional. Algunas de estas
omisiones se pueden capturar como variables “dummies” por la ecuación. Para una determinada base
de datos (un conjunto de países, un volumen de comercio a estudiar, una definición de distancia, y otras
correcciones), la estimación econométrica de la ecuación (1) proporcionará un valor esperado al
comercio que cada par de países sostienen entre sí, y por lo tanto el residuo de la ecuación establecida
si ambas naciones comercian más o menos de lo que podría esperarse dadas sus características. Si la
ecuación está bien estimada, este residuo muestra la necesidad de un ACR entre esos socios o el
aprovechamiento que se hace de un ACR existente.
17
Este apartado sintetiza en buena medida un trabajo realizado para la CEPAL (Trejos, 2009) con el fin de identificar
instrumentos para la medición de los efectos de los ALC en el crecimiento de los países latinoamericanos.
18
En esencia los modelos gravitacionales se refieren a la noción de la teoría de la gravedad; su denominación no
hace referencia a la metodología de estimación. Estos modelos gravitacionales son en esencia uniecuacionales o
de equilibrio parcial, pero también han sido estimados usando vectores autorregresivos que son modelos
multiecuacionales, sin llegar a ser sistema de ecuaciones simultaneas o modelos de equilibrio general. Para
conocer una aplicación del modelo gravitacional usando datos de panel y la técnica VAR véase Toledo (2012).
41
Esta metodología sería, obviamente, muy burda entre otros factores porque se refiere al comercio total
entre las partes y no ahonda en los bienes específicos que son transados. Como se verá en las siguientes
secciones, la teoría del comercio predice (y los datos por lo general lo confirman) que, a menos para
naciones en desarrollo, el intercambio internacional entre dos países tiende a ser mayor cuando las
respectivas dotaciones de recursos productivos son muy diversas; el modelo gravitacional no captura
esas ni otras realidades básicas. En otras palabras, puede haber otros aspectos específicos al par ij, más
allá de su tamaño y distancia, que predicen que entre esos dos países el comercio será anormalmente
alto o anormalmente bajo. Aun así, hay varias características de ecuaciones gravitacionales que las
hacen útiles para los propósitos de evaluar preliminarmente el impacto de acuerdos comerciales
bilaterales:
a) Una ecuación gravitacional tiene carácter bilateral. Su objeto de estudio es, precisamente, cuánto
comercia el país i con el país j (en lugar de cuánto, o qué comercia el país j con el mundo). Los acuerdos
comerciales también son de naturaleza bilateral, por lo que el modelo puede responder adecuadamente
a la pregunta.
b) Una ecuación gravitacional se puede ampliar para incorporar otras variables macroeconómicas, como
el ingreso, tipo de cambio, entre otras, para depurar la predicción del volumen de comercio de países
específicos. De esa forma, la calidad de predicción de ecuaciones de este tipo puede ser elevada, y con
ello el mensaje de aplicarlas es aún más confiable.
c) Un acuerdo comercial busca reducir el costo del intercambio entre los socios. La ecuación
gravitacional contiene un elemento —la distancia— que se puede asociar directamente con ese costo.
d) Una ecuación gravitacional puede aplicarse específicamente al comercio de un bien en particular, y
no solamente al intercambio total entre los socios.
Modelos de equilibrio parcial. Los modelos de equilibrio parcial hacen un estudio de un sector de la
economía en particular, por ejemplo, el sector exportador de un bien o grupo de bienes. Cuando se usa
esta metodología, se asume que el resto de la economía (sector de construcción o sector industrial) no
se ven afectados, al menos de forma significativa por una intervención, por ejemplo una política
comercial de reducción arancelaria de la exportación de un producto o varios productos. Cuando se
consideran las relaciones entre distintos sectores y dentro de los sectores mismos, el enfoque es de
equilibrio general.
La teoría del comercio internacional supone que existen dos países que consumen y producen un mismo
bien. Así, una diferencia en el precio del bien en cuestión entre ambos países hace que surja el
intercambio comercial. Si hay impuestos al comercio (aranceles) entonces los cambios de las tarifas
arancelarias que se traducen en cambios de precios relativos también generan impactos en las
cantidades demandas, producidas, en el ingreso de los sectores o empresas, en el empleo, etc.
Los MEP consisten en una formalización y cuantificación de estas simples ideas y permiten generar
conocimiento útil respecto de cambios en la política comercial de uno o varios países a nivel de
industria. Un modelo de este tipo estimará el cambio en los precios, la producción y el comercio de un
bien en particular para cada nivel de aranceles u otras barreras comerciales. Por lo tanto, se puede
comparar el cambio en estas variables estimado por el modelo con el que se observa una vez que se
implementa la desgravación y liberalización. Esto se puede aplicar a la interacción de múltiples
condiciones de acceso a mercado por medio de varios socios comerciales, ganancias del comercio
(exportador e importador) y cambios en los ingresos arancelarios. Los MEP utilizan principalmente datos
sobre variables de producción, consumo, exportaciones, importaciones, impuestos y distintas
42
elasticidades de sustitución entre bienes locales y extranjeros, de la demanda por importaciones y de las
exportaciones.
Modelos de equilibrio general computable (MEGC). Gómez Gómez (199) ofrece una muy buena
descripción de los modelos de los MEGC, la cual se basa en Shoven y Whalley (1992), la cual se
transcribe integra a continuación. “Estos modelos tratan de convertir una estructura de equilibrio
general walrasiano (que sean una representación abstracta de una economía) en un modelo que
presente de forma realista una economía. Se utilizan para estudiar los efectos que ciertas medidas de
política (fundamentalmente fiscal, comercial y medioambiental) o ciertos shocks de carácter económico,
tienen sobre la economía de un país o de varios países.
Consideramos dos ejes en torno a los cuales se construye un modelo de este tipo:
- La especificación de los agentes que intervienen, que debe recoger cuál es su comportamiento
supuesto. Por ejemplo, es habitual considerar a los consumidores como maximizadores de una función
de utilidad sujetos a una restricción presupuestaria, o a los productores como maximizadores de
beneficios sujetos a restricciones tecnológicas.
- La definición de equilibrio utilizada. En este sentido existen modelos que parten de los supuestos más
ortodoxos del modelo Arrow-Debreu, y modelos que introducen extensiones de estos supuestos.
Ejemplos de estas extensiones son la inclusión de rigideces en los mercados de factores, o de
comportamientos no competitivos por parte de agentes productores.
En base a estos dos ejes se elaboran las ecuaciones del modelo, que también están restringidas por la
disponibilidad de datos. Para este tipo de modelos se requiere lo que se conoce como una matriz de
contabilidad social, que es un sistema contable que representa el equilibrio general de una economía.
Estos datos, junto con otras fuentes complementarias, forman la base de datos del modelo. Una vez
definido el sistema de ecuaciones y completada la base de datos se lleva a cabo la calibración del
modelo, esto es, el método por el que, para las formas funcionales supuestas, se fija el valor de los
parámetros desconocidos de forma que el sistema de ecuaciones reproduce la base de datos como una
solución de equilibrio del modelo. Obtenemos en ese momento el equilibrio base o de referencia del
modelo.
El modelo calibrado ya puede emplearse para simular medidas de política económica (por ejemplo, con
la variación de tipos impositivos) o cierto tipo de shocks (por ejemplo, con cambios en las dotaciones de
factores). Las simulaciones que se pueden realizar con estos modelos se llevan a cabo a través de
cambios en alguna o algunas de las variables que se representan en el equilibrio inicial. Tras ese cambio,
el sistema de ecuaciones busca una nueva solución de equilibrio a través del uso de un algoritmo.
La comparación de los resultados del equilibrio de referencia y los del nuevo o nuevos equilibrios
hallados en las simulaciones”.
43
III. DIAGNÓSTICO E IDENTI FICACIÓN DE LAS PRINCIPALES METODOLO GÍAS
EXISTENTES QUE PERM I TIRÍAN MEDIR EL IMPA CTO DEL COMERCIO
INTRARREGIONAL EN L A S ECONOMÍAS DE CENTR OAMÉRICA
A fin de identificar las principales metodologías empleadas en medir el impacto del comercio
intrarregional en el área centroamericana, se hizo una selección de estudios empíricos orientados a
identificar los mecanismos de transmisión y cuantificar los efectos de la política comercial o del
comercio exterior en las económicas de la región. Esta revisión no pretende ser exhaustiva pero si
representativa de las diferentes técnicas econométricas utilizadas en la medición del impacto del
comercio en el crecimiento en la región centroamericana. Es importante notar desde el principio que
dada la complejidad de los factores determinantes del comercio y del crecimiento económico (no solo la
política comercial incide en los niveles de comercio sino también otras políticas y otras variables o
fenómenos económicos), los estudios empíricos utilizan diversas metodologías econométricas, que se
consideran más adecuadas para la información disponible o para tomar en cuenta las diferentes
situaciones de los países o regiones.
El diagnóstico realizado sobre las investigaciones que pretenden medir el impacto del comercio en el
crecimiento reveló que los ministerios y las oficinas gubernamentales encargadas de la política
comercial no producen este tipo de estudios, probablemente, como señala Trejos (2009) por la escasez
de personal técnico que pueda dedicarse a esta tarea, la cual requiere tiempo y recursos importantes.
Las instituciones que producen este tipo de estudios, como era de esperar, son los bancos centrales,
aunque no son muchos los estudios realizados en esta materia si se considera la importancia que esta
tiene en el desempeño de las economías de la región. También se encontró que los organismos
multilaterales regionales y extrarregionales muestran una notable preocupación sobre el tema, como
era de esperar, dado que una de las razones de ser de estos organismos es precisamente proveer
asistencia técnica a los países. Entre estas organizaciones están la Secretaria Ejecutiva del Consejo
Monetario Centroamericano (SECMCA), la Comisión Económica para América Latina y el Caribe (CEPAL),
el Banco Mundial, el Fondo Monetario Internacional (FMI) y algunos centros de estudio.
El cuadro siguiente muestra la lista de estudios sintetizados, los cuales, todos utilizan metodologías
econométricas que incluyen modelos de una ecuación con varias variables explicativas, sistema de
ecuaciones y modelos de equilibrio general, aplicadas a series de tiempo, datos de corte transversal o
datos de panel. Todos estos estudios aplican los postulados teóricos del comercio internacional según
los cuales el comercio impacta positivamente el crecimiento económico a través de distintos
mecanismos de transmisión tales como el ingreso y consumo de las familias, la transferencia de
tecnología, la competencia y el empleo de factores. Uno de los objetivos implícitos en las
investigaciones, es corroborar si la teoría de comercio internacional explica de manera razonable la
realidad de los países analizados.
Las técnicas econométricas utilizadas en los estudios empíricos-econométricos usan desde modelos
uniecuacionales con variables endógenas y explicativas rezagadas (estáticos y dinámicos), pasando por
modelos autorregresivos de varias ecuaciones (uso de vectores autorregresivos – VAR con y sin
corrección de errores) y de ecuaciones simultáneas, hasta modelos de equilibrio general.
44
En la presente sección se describe y analiza una muestra de estos estudios19.
Las metodologías utilizadas para medir los efectos del comercio internacional en el crecimiento
económico de los países centroamericanos se pueden clasificar en dos grupos atendiendo a su propósito
explícito de considerar los efectos o impactos simultáneos de medidas de política o variables
económicas en todos los sectores de la economía y, desde luego, conocer el impacto por sectores. Un
primer grupo utiliza modelos uniecuacionales que incluyen variables endógenas y exógenas rezagadas.
En estos estudios se aplica la teoría tradicional del comercio -- donde las variables explicativas incluyen
variables representativas de la política comercial y de sus mecanismos de transmisión tales como los
niveles arancelarios, la inversión, la tecnología, el consumo privado, la productividad y la cercanía entre
los países socios comerciales. Dentro de este grupo, se nota la influencia de los modelos gravitacionales
que buscan estimar el potencial exportador e importador de los países socios o potenciales socios
considerando la cercanía y tamaño de los países (atracción similar a la gravitacional); en algunos casos,
posteriormente, se utilizan las estimaciones de estos modelos gravitacionales para medir el impacto de
estos niveles potenciales de exportación/importación en el crecimiento económico. Se revisaron 14
estudios, de los cuales cinco usan este equilibrio parcial y de estos, tres estudios aplican el enfoque de
modelo gravitacional. En general los modelos gravitacionales indican que la región puede aumentar
más el comercio y de esa forma fortalecer la dinámica de la actividad económica de la región.
Un segundo grupo de metodologías es el de investigaciones que usan modelos de equilibro general. De
las 14 investigaciones revisadas, ocho utilizan ecuaciones simultaneas (3) y MEG (5). Las 3
investigaciones que usan modelos de ecuaciones simultáneas, especifican modelos macroeconométricos
que primero estiman ecuación por ecuación y en una segunda etapa estiman el sistema de ecuaciones
usando diferentes test para comprobar exogeneidad, estacionariedad, estabilidad, etc. Los 5 modelos
de equilibrio general son modelos ad-hoc básicamente diseñados para analizar ex –ante el impacto de
potenciales acuerdos comerciales entre los países de la región y otras regiones, como es el caso del
Acuerdo de Asociación recientemente firmado con la Unión Europea (el cual tiene sus orígenes a
mediados de la década pasada). La diferencia principal entre las metodologías de sistemas de
ecuaciones y los MEGC es que estos últimos no utilizan la econometría sino la programación lineal o no
lineal para la optimización de los parámetros de las variables incluidas en las ecuaciones.
Los modelos macroeconométricos están más orientados a medir el impacto de la políticas
macroeconómicas (monetaria y fiscal principalmente) en la inflación y en el crecimiento (en ningún caso
se analiza el impacto de la política comercial en el crecimiento. Esto podría explicarse porque los bancos
centrales asumen que un manejo adecuado de las políticas monetarias y fiscales que aseguran el
equilibrio interno o estabilidad macroeconómica de corto plazo favorece al mismo tiempo la
sostenibilidad de la cuenta corriente de la balanza de pagos. Sin embargo, este objetivo de estabilidad
no necesariamente coincide con los objetivos de la política comercial, por ejemplo, en situaciones
política macroeconómica restrictiva e la demanda agregada se pretende reducir las importaciones, pero
debido a los efectos indirectos en la dinámica económica también se reducen las exportaciones. En el
caso de estudian que usan los MEG, su objetivo principal ha sido el de analizar el impacto de la política
comercial y el comercio exterior en el crecimiento económico y bienestar de la población (distribución
del ingreso) antes o después de la firmado de un ALC, pero dada la naturaleza de estos modelos de
19
Cuando es pertinente, también se menciona los hallazgos de estudios sobre el impacto del comercio en el
crecimiento, los cuales han sido realizados para otros países fuera de la región y por otros organismos
internacionales y multilaterales.
45
equilibrio general donde todos los sectores productivos y demanda de bienes y factores de producción
(incluyendo importaciones y exportaciones), los resultados de las simulaciones realizadas incluyen los
impactos en el PIB, empleo, etc.
A continuación se hace una síntesis de los objetivos y características econométricas de las metodologías
y los modelos econométricos utilizados en los estudios aludidos anteriormente. Los estudios del a) al e)
pertenecen al grupo de investigaciones que usan modelos de equilibro parcial; mientras que los estudios
del g) al n) usan sistemas de ecuaciones simultaneas y MEG; este grupo incluye modelos
macroeconométricos que se diferencian de los MEG en el sentido que no utilizan metodologías
econométricas sino matemáticas de optimización.
46
Cuadro 1. Estudios sobre medición del impacto del comercio en Centroamérica20
Titulo
a) Modelos econométricos
para
los
países
de
Centroamérica
b) Understanding
the
Benefits
of
Regional
Integration to Trade: The
Application of a Gravity Model
to the Case of Central America
c)
Central
America,
Panama, and the Dominican
Republic: Trade Integration
and Economic Performance
d) Una introducción a la
econometría con datos de
panel
e) Estimación del impacto
de un Acuerdo de Asociación
entre Centroamérica y la
Unión Europea: una aplicación
de un modelo gravitacional de
comercio para el caso de
Costa Rica
f)
Modelo
macro
econométrico Regional II
g) Modelo
Macro
econométrico de Pequeña
escala para El Salvador
h) Modelo
Macro
econométrico de Proyección
de Corto Plazo para Nicaragua
i)
Modelo Econométrico
para
el
Crecimiento
Económico y la Inflación en
Centroamérica y República
Organización/Institución
Técnica econométrica
Países/Región
CEPAL. Noviembre de
2003. Luis Miguel Galindo
Modelo de equilibrio
parcial: uniecuacional
CR, GUA, HON,
NIC, PAN, y ESA
The
World
Bank.
December 2010. Marcelo
Gordillo,
Aiga
Stokenberga, y Jordan
Schwartz.
FMI. Septiembre de 2012.
Stephany Medina et all.
Modelo de equilibrio
parcial: uniecuacional.
Modelo gravitacional.
Guatemala, Costa
Rica, El Salvador,
Honduras,
Nicaragua,
Panamá
Central America,
Panama, and the
Dominican
Republic (CAPDR)
CR, GUA, HON,
NIC, PAN, ESA,
Colombia
y
Venezuela
Univ. de Puerto Rico.
Ensayos y Monografías,
No. 152,
Sept.
2012.
Wilfredo
Toledo
Instituto
de
Investigaciones en Ciencias
Económicas, IICE, Costa
Rica. María Villalobos.
SECMCA. San José, Costa
Rica,
Dic.
2008.
Documento de Trabajo
SECMCA II – 2612. Manuel
Iraheta
Banco Central de Reserva
de El Salvador. Luis Aquino
y Carlos Sanabria.
Banco
Central
de
Nicaragua,
Managua,
Septiembre 2007. Oscar
Gámez.
SECMCA. San José, Costa
Rica,
Julio
2012.
Documento de Trabajo
SECMCA
01-2012.,
Eduardo Espinoza, Manuel
Modelo de equilibrio
parcial. Modelo muy
similar
al
enfoque
gravitacional.
Modelo de equilibrio
parcial: uniecuacional
Datos de Panel
Modelo de equilibrio
parcial: uniecuacional
Datos de panel (modelo
gravitacional)
Costa Rica
Ecuaciones simultaneas
Centroamérica
(excepto Panamá)
Ecuaciones simultaneas
El Salvador
Ecuaciones simultaneas
Nicaragua
Ecuaciones simultaneas,
técnica Vector
Autorregresivo de
Corrección de Errores
(VECM)
Guatemala, Costa
Rica, El Salvador,
Honduras,
Nicaragua,
y
República
20
Debe notarse que no todos tienen el objetivo de medir el impacto tal como se definió en la sección II, pero todos
hacen un análisis cuantitativo de las relaciones del comercio intrarregional y extrarregional en las economías.
47
Titulo
Dominicana
Organización/Institución
Iraheta,
Sánchez.
y
Armando
j) Instrumentos para la
evaluación del impacto de
acuerdos
comerciales
internacionales: aplicaciones
para países pequeños en
América Latina
k) Apertura comercial y
pobreza en Centroamérica:
logros y desafíos
CEPAL, México, D. F., junio
de 2009. Alberto Trejos
l) Modelo de Equilibrio
General Computable para
Nicaragua.
Banco
Central
de
Nicaragua, Documento de
Trabajo No. 02-2010.
Managua, Febrero 2010.
Oscar Gámez
Banco
Central
de
Guatemala Documento de
Trabajo No. 127, Febrero
2013. Alfredo Ibrahim
Flores Sarria
m) Perturbaciones internas y
externas
en
pequeñas
economías
abiertas:
un
análisis de equilibrio general
para el caso de Nicaragua
(1994-2011).
n) Impacto de la eliminación
de
los
CAT
y
del
otorgamiento
de
otros
incentivos
de
política
comercial:
Un
análisis
cuantitativo de EGC
o) Acuerdo de Asociación
Centroamérica
–
Unión
Europea:
Evaluación
utilizando Equilibrio General
Computable y Equilibrio
Parcial
Técnica econométrica
Países/Región
Dominicana
No aplica análisis
econométrico pero hace
una revisión de una
muestra de estudios que
aplican diversas
metodologías
Modelo de Equilibrio
General
Computable
(MEGC)
y
micro
simulaciones
MEG
Latinoamérica
MEGC
Nicaragua
Asamblea Legislativa de
Costa Rica. Volumen 8, N°
1
de
la
Revista
Parlamentaria, abril del
2000. Marco V. Sánchez
MEGC
Costa Rica
CEPAL, Santiago de Chile,
noviembre de 2008. José
E. Durán Lima y Mariano
Álvarez
MEGC
parcial
CEPAL, Revista CEPAL No.
98, México, Agosto 2009.
Marco Vinicio Sánchez.
y
equilibrio
Costa
Rica,
Honduras y El
Salvador (MEGC)
Nicaragua
Costa Rica, Guatemala y Nicaragua
Complementariedad de las metodologías de medición de impacto del comercio internacional en
Centroamérica
Dada la complejidad de los factores que inciden en los niveles de comercio internacional, en muchos
casos los datos no permiten confirmar la teoría debido a que la especificación del modelo no es la más
adecuada y se vuelve necesario cambiar de metodologías de estimación. Por ejemplo, un modelo
uniecuacional puede no producir un modelo con buen ajuste y se deba aplicar un modelo
multiecuacional, por ejemplo un vector autorregresivo (VAR) o un sistema de ecuaciones (aunque es
48
más probable que el modelo VAR sea más factible de ajustar razonablemente por la consideración
variables exógenas y endógenas rezagadas que tienen una justificación empírica o pragmática)21. De
cualquier manera, es aconsejable, como indica la Figura 3, que se utilicen diferentes metodologías para
complementar el conocimiento.
Figura 3. Complementariedad de las metodologías de medición de impacto
En la práctica, los analistas aplican en general más de una metodología o técnica de análisis cuantitativo
de las relaciones económicas de interés. Por ejemplo, los modelos macroeconométricos aplicados a la
región, luego de establecer el sistema de ecuaciones (modelo estructural y modelo econométrico),
estiman ecuación por ecuación los componentes del modelo y en una segunda etapa estiman las
ecuaciones de manera simultánea. Esto permite conocer si las ecuaciones especificadas presentan el
comportamiento teórico y econométrico esperado. En el caso de los MEGC, primero se revisa la
literatura o se estiman sistemas uniecuacionales para cuantificar las elasticidades de sustitución de la
demande de bienes importados y producidos localmente, y la sustitución de factores productivos.
21
Los modelos teóricos suelen no explicar los datos por razones tales como la no inclusión a priori y arbitraria de
variables explicativas relevantes, por errores de medición de las variables, uso de variables no representativas de
las variables que prescribe el modelo teórico.
49
A. MODELOS ECONOMÉTRICO S UNI -ECUACIONALES Y MULTI VARIANTES:
EQUILIBRIO PARCIAL 22
MODELOS DE EQUILIBRIO PARCIAL EN COMERCIO INTERNACIONAL
Su aporte principal estriba en que permiten tener una idea de los efectos a nivel de producto o sector
económico.
Para su construcción se requiere de un conjunto sencillo de datos: aranceles ex –ante; niveles de
comercio en la base (exportaciones e importaciones); los cambios de política y elasticidades de
sustitución. Una de las dificultades principales está relacionada con la calidad de los datos. Hay que
asegurarse que sean los correctos (p.e. volúmenes y valor del comercio, aranceles e ingreso per cápita).
La base teórica que fundamenta estos modelos es sencilla y se deriva de las teorías de ventajas
absolutas, relativas o comparativas. Entre los modelos utilizados para medir el impacto del comercio en
el crecimiento en esta línea de pensamiento se encuentran:
Modelos de demanda de importaciones y exportaciones
Modelos gravitacionales de importaciones y exportaciones
Modelos de paneles de datos
a) Modelos econométricos para los países de Centroamérica
Este estudio utiliza una metodología econométrica de una ecuación con variables rezagadas
(uniecuacional) usando análisis econométrico tradicional y moderno (este último se preocupa de la
estacionariedad de las variables y si existe una relación genuina entre las variables analizadas). El
objetivo es proporcionar modelos que puedan utilizarse por los países centroamericanos para realizar
análisis (simulaciones) del impacto de política o shocks de variables económicas. El periodo de
estimación es 1980-2001. En este sentido este estudio propone una metodología y técnica para medir el
impacto de políticas económicas, como la política comercial o choques en los niveles o precios de las
exportaciones e importaciones de bienes.
El estudio comienza planteando que en la región centroamericana, en las últimas dos décadas, se ha
observado una fuerte inestabilidad y cambios estructurales importantes en su dinámica
macroeconómica. Las características y condiciones de este patrón de crecimiento responde a un
conjunto de factores de múltiple origen y de diversa índole, tanto económicos, sociales, políticos como
incluso algunas especificidades nacionales. No obstante, la evidencia empírica disponible muestra
22
Este apartado hace una extracción sintetizada de los principales estudios revisados; se hace una extracción de
parte del texto de estos trabajos para evitar distorsionar el espíritu de la exposición de cada autor o autores, así
como por razones de espacio. Los interesados podrán encontrar en la bibliografía los estudios analizados y
sintetizados en este apartado.
50
ciertos patrones sistemáticos de comportamiento en la trayectoria de algunas de las principales
variables macroeconómicas, o más aún, en diversas relaciones que se establecen entre ellas.
El principal objetivo de este trabajo es especificar y estimar modelos econométricos para seis economías
de Centroamérica: Costa Rica, Guatemala, Honduras, Nicaragua, Panamá y El Salvador. Estos modelos
pueden utilizarse para realizar simulaciones de algunas políticas económicas y para pronosticar el
comportamiento de ciertas variables bajo escenarios económicos alternativos, sobre todo respecto de la
evolución de la economía mundial. Además, estos modelos presentan un marco metodológico para
analizar el conjunto de información estadística disponible sobre los comportamientos sistemáticos de
estas economías facilitando su comparación e investigación conjunta.
Debe, sin embargo, considerarse que la elaboración de estos modelos econométricos presenta
problemas. En particular surgen algunas dificultades pues la información disponible no incluye series
estadísticas consistentes para períodos prolongados de todas las variables requeridas. Además existen
cambios estructurales significativos tanto en diversas variables importantes como en sus relaciones.
Como resultado, los modelos econométricos elaborados responden, en ocasiones, a especificaciones
donde prevalece una visión pragmática. Desde luego esto deberá mejorarse en el futuro al ir contando
con mejor información.
Las limitaciones de información y la presencia de cambios estructurales en la mayoría de las series
económicas de estos países llevo a elegir métodos econométricos de estimación uniecuacionales. Esta
metodología permite, según el autor, reducir posibles efectos de transmisión del error entre las
ecuaciones. Las estimaciones realizadas se apoyaron, en la medida de lo posible, en la metodología de la
econometría moderna lo que incluye analizar el orden de integración de las series, la cointegración, el
mecanismo de corrección de errores, el procedimiento de lo general a lo específico y el uso intensivo de
pruebas de mala especificación y de diagnóstico. Con ello se busca que las ecuaciones finales
representen una aproximación razonable del proceso generador de información y tiendan a reproducir
satisfactoriamente el comportamiento histórico de los datos.
Los modelos econométricos estimados incluyen dos bloques. El primer bloque incluye ecuaciones sobre
el producto interno bruto y los productos sectoriales. El segundo bloque incluye ecuaciones para los
diferentes componentes de la demanda agregada y el producto. Debe destacarse que cada bloque es
independiente y por tanto sus simulaciones no son necesariamente consistentes entre sí.
Debe comentarse que las ecuaciones, en su primera aproximación, fueron estimadas para el período de
1980 a 2001 con datos anuales utilizando la base de información de CEPAL con algunas excepciones que
son mencionadas en el texto. Posteriormente, en un intento de verificar la capacidad de predicción de
los modelos, se incorporaron los valores preliminares de 2002. El autor manifiesta que es necesario
destacar que este trabajo es una primera aproximación al fenómeno estudiado y que es necesario
profundizar posteriormente en varios aspectos que se identifican a lo largo del texto.
b) Understanding the Benefits of Regional Integration to Trade: The Application of a Gravity Model to
the Case of Central America (Entendiendo los beneficios de la integración regional al comercio:La
aplicación de un Modelo Gravitacional al caso de Centroamérica).
Esta investigación utiliza una metodología econométrica de análisis uniecuacional donde la variable
dependiente se explica por un conjunto de variables explicativas seleccionadas de acuerdo al enfoque
51
gravitacional de los efectos del comercio internacional –regional y extrarregional. El periodo analizado
es 2000-2008.
Esta investigación identifica el impacto de barreras físicas al comercio dentro de Centroamérica a través
del uso de un Modelo Gravitacional aumentado y parcialmente restringido. Se utilizan mediciones de la
distancia a través del tiempo promedio de transportación, con lo que el modelo cuantifica el impacto de
la pobre conectividad y las fricciones en frontera del comercio intrarregional así como el comercio con
socios comerciales extrarregionales tales como Estados Unidos y Europa. Además, los autores comparan
los coeficientes de Centroamérica con los de otras regiones físicamente integradas estimando un
Modelo Gravitacional paralelo para 15 países de la Unión Europea. Esto permite la estimación de
comercio intrarregional e intrarregional potencial si Centroamérica redujera las fricciones en fronteras y
el tiempo de viaje entre países y así beneficiarse la cercanía de cada país vecino y la atracción
gravitacional de las economías de la región.
El análisis es realizado para el comercio de toda Centroamérica y es también desagregado para tres
grupos de productos –frutas y vegetales procesados, acero y productos de acero, y granos- en volumen
y en valor. Esta diferenciación permite comprobar la consistencia de los resultados a la vez que provee
ver la diferenciación de los socios comerciales y el potencial de estos productos que usan contenedores
o que se transportan en bultos. Los resultados del modelo indican una potencial duplicación de las
exportaciones si Centroamérica pudiera alcanzar los niveles de cercanía y tiempo-distancia de regiones
realmente integradas. Además, se estima que las exportaciones combinadas de la región hacia la Unión
Europea y los Estados Unidos se podría aumentar en una tercera parte de lo que eran al momento del
estudio, asumiendo que se logran los niveles de cercanía de la Unión Europea. Aún más, los beneficios
del comercio internacional se pueden aumentar adicionalmente mediante la reducción de los costos
económicos impuestos por el transporte terrestre y las ineficiencias en los cruces fronterizos.
Los autores concluyen que el Modelo Gravitacional permite señalar que el comercio intrarregional en
Centroamérica no se comporta como en una región altamente integrada espacialmente. Por el
contrario, es todavía desestimulado por un número de ineficiencias que opacan las ineficiencias de las
tarifas arancelarias y no arancelarias que han sido prioritarios en los temas de la agenda regional.
La distancia económica entre los mercados de Centroamérica son magnificados y distorsionados por una
serie de ineficiencias que incluyen: pobre calidad de las carreteras, congestionamiento en las fronteras y
áreas metropolitanas, la inadecuada oferta de servicio de transporte y la ineficiencia de transporte
terrestre. De igual manera, los resultados muestran que las economías centroamericanas fallan en
tomar ventaja de su cercanía no solo en el comercio intrarregional sino también en el comercio con
socios comerciales extrarregionales como los Estados Unidos y otros socios. Las razones que parecen
explicar este resultado es que existen procedimientos aduaneros engorrosos, retrasos, y falta de
armonización (p.e. medidas sanitarias y fitosanitarias para las exportaciones agrícolas.
c) Central América, Panamá, and the Dominican Republic: Trade Integration and Economic
Performance (Centroamérica, Panamá, y República Dominicana: Integración comercial y desempeño
económico).
Este trabajo estudia el potencial del sector exportador como motor del crecimiento económico en
Centroamérica, Panamá y República Dominicana (CAPRD) a través de una integración regional y
52
extrarregionales más profunda. Las ecuaciones (metodología uniecuacional) de exportaciones en este
trabajo se inspiran en el modelo gravitacional en la medida que incluyen variables explicativas del
comportamiento de las exportaciones que tienen que ver con el tamaño de los países, la distancia entre
ellos e indicadores de logística. Uno de los problemas encontrados es la falta de algunos datos en las
series de tiempo lo cual resuelven utilizando metodología propuesta en la literatura. Los periodos de
estimación son 2005-2009 y 1965-2009.
Los países CAPRD han suscrito muchos acuerdos de libre comercio y otras iniciativas de integración
regional en años recientes pero este estudio encuentra que las exportaciones permanecen por debajo
de los niveles (benchmarks) de países de su tamaño. En el trabajo se construyen varios índices de
“orientación hacia afuera” (outward orientation) y se sugiere que el alcance de las relaciones
comerciales geográficas, la profundidad de la integración dentro de las cadenas de producción globales,
y el grado de sofisticación tecnológica de las exportaciones en los países CAPRD son menos conducentes
al incremento de las exportaciones y al crecimiento económico que en economías de rápido
crecimiento orientadas a las exportaciones. Para impulsar las exportaciones y crecimiento, CAPRD debe
implementar políticas que faciliten la integración económica, particularmente fortalezcan la unión
aduanera, la armonización de reglas y procedimientos aduaneros, mejora de la infraestructura y
logística y fortalecimiento de la coordinación regional.
El estudio analiza el comportamiento de las exportaciones de los CAPRD durante 1962-2005 usando la
base de datos COMTRADE de las Naciones Unidas (United Nations Commodity Trade Statistics
Database)23. Se señala que hay amplio espacio para aumentar las exportaciones; en relación con el
comercio intrarregional se afirma que este ha crecido de manera importante desde 1990 pero que aún
hay espacio para crecer de manera importante. A continuación se analiza la orientación hacia afuera de
los países analizados utilizando tres índices: el grado de penetración del mercado, el índice de
integración vertical y el índice de sofisticación de productos. Los índices se calculan para los países
CAPRD y para grupos de países de similar tamaño; estos grupos son UE15, LA5 (5 países de la
Latinoamérica), Tigres Asiáticos (Singapur, Hong Kong, Taiwan y Corea) y Asia. Todos los índices
evidencian que los CAPRD están por debajo de los niveles promedios mostrados por los demás grupos
de países, por lo que la región tiene posibilidades para crecer, lo que requiere medidas de políticas
comerciales en ese sentido.
Finalmente, el estudio
estima modelos econométricos uniecuacionales donde relaciona las
exportaciones como proporción del PIB a variables de logística y de orientación hacia afuera y el
crecimiento económico a la variable de orientación hacia afuera. La estimación de estos modelos refleja
un escaso vínculo entre logística, orientación hacia afuera, el crecimiento de las exportaciones y la
actividad económica. Los resultados sugieren que los países CAPRD pueden obtener sustanciales
ganancias mejorando la logística de comercio y aprobando políticas que amplíen el alcance de sus
relaciones comerciales, facilitar la participación de los exportadores en las cadenas de producción
global, y estimulando la innovación y la adopción de más estrictos estándares de calidad para mejorar la
sofisticación de las exportaciones.
d) Una introducción a la econometría con datos de panel
23
Visitar http://comtrade.un.org/
53
La metodología econométrica uniecuacional en este caso utiliza la técnica de datos de panel (datos de
corte transversal –en un periodo dado y datos de series de tiempo) la cual, si bien genera estimadores
más exactos por la riqueza de información, también genera algunas complicaciones de computo. Esta
técnica es usada por varios estudios para medir el impacto de las medidas de política comercial o de
impactos de variables incluidas en los modelos econométricos estimados.
Este trabajo se seleccionó para su revisión en este diagnóstico de la literatura sobre comercio y
crecimiento, porque ilustra el uso de la técnica de datos de panel que puede ser utilizada en la medición
del impacto del comercio intrarregional en las economías centroamericanas. El autor advierte
explícitamente que el análisis está centrado en la aplicación de la técnica econométrica más que en los
resultados desde el punto de vista económico de las estimaciones realizadas para países de
Centroamérica, Colombia y Venezuela.
En este artículo se discuten los métodos que se utilizan para estimar modelos de regresión lineal con
datos de panel haciendo énfasis en la estimación de modelos dinámicos. En particular se discuten los
nuevos estimadores basados en el Método de Momentos Generalizados (GMM) desarrollados por
Arellano y Bond (1991). Además, se presenta una aplicación de las técnicas reseñadas utilizando datos
de América Central, Colombia y Venezuela para evaluar los impactos de las remesas hacia esos países
sobre los gastos de consumo y la inversión.
En otra investigación, Sánchez L. (2010) aplicó la metodología uniecuacional a datos de panel para medir
el impacto y los mecanismos de transmisión del comercio en el crecimiento económico de México
usando el modelo teórico de comercio gravitacional. En este trabajo se parte del hecho que la apertura
comercial tenía como objetivo impulsar al sector productivo y lograr crecimiento económico de largo
plazo, así como una mayor competitividad internacional y un aumento importante de ingreso de la
población. La investigación analiza y evalúa el crecimiento económico de México a través del grado de
apertura comercial, se hace uso de factores geográficos y se construye una variable que mide al
comercio agregado entre los tres países miembros del tratado de Libre Comercio de América del Norte
(TLCAN: México Estados Unidos y Canadá). La técnica de datos de panel empleada aplica la técnica de
mínimos cuadrados ordinarios. Los resultados llevan a la conclusión, según la autora, a aceptar la
hipótesis de que la apertura comercial con el TLCAN no ha contribuido al crecimiento económico
sostenido de México.
Aun cuando la autora no lo dice explícitamente, se considera que la metodología (uniecuacional) y
técnica econométrica (datos de panel) es apropiada para analizar el impacto del comercio en las
economías.
e) Estimación del impacto de un Acuerdo de Asociación entre Centroamérica y la Unión Europea: una
aplicación de un modelo gravitacional de comercio para el caso de Costa Rica
Al igual que la investigación anterior (literal d)), este trabajo de graduación utiliza la técnica de datos de
panel en combinación con el modelo gravitacional de comercio. La autora indica que una limitación
importante fue la falta de información o la calidad de la información disponible para alimentar la base
de datos necesaria para la estimación del modelo econométrico uniecuacional especificado. A pesar de
esta limitación se considera que la metodología (uniecuacional) y técnica econométrica (datos de panel)
es apropiada para analizar el impacto del comercio en las economías.
54
Esta investigación --una tesis para optar al grado de economía de la Universidad de Costa Rica- busca
responder la pregunta sobre cuál sería el impacto de la liberalización arancelaria en el comercio
bilateral de bienes originada por la firma del Acuerdo de Asociación (AA) entre la Unión Europea y Costa
Rica. El estudio se justifica porque las negociaciones son realizadas con una región que es mucho más
grande –en relación a Costa Rica- y existen asimetrías donde un país pequeño como Costa Rica puede no
salir beneficiado, dada la experiencia con otros ACL firmados a la fecha.
La autora señala que eligió esta metodología uniecuacional–modelo gravitacional de comercio y datos
de panel- porque permite predecir los flujos de comercio entre dos países utilizando una serie de
variables explicativas.
El modelo utilizó grupos de partidas arancelarias a cuatro dígitos para el periodo 1998-2009 de
productos exportados e importados como unidades de observación en el panel, diferente al uso de otros
estudios con datos de panel que usan pares de países. La variable dependiente a explicar es la suma del
comercio bilateral entre Costa Rica y la UE (exportaciones hacia la UE más las importaciones desde la
UE) en función del ingreso (PIB) de Costa Rica y el PIB per cativa, la distancia entre Costa Rica y la UE, las
tarifas a las importaciones desde la UE, las tarifas impuestas por la UE a las importaciones desde Costa
Rica, el tipo de cambio efectivo real y la población costarricense. Los datos utilizados fueron
trimestrales. La metodología permitió determinar la importancia del comercio entre Costa Rica y la
Unión Europea, concluyéndose que hay mucho espacio para aumentar las exportaciones e
importaciones hacia y desde esa región respectivamente. La autora recomienda que para estimar
modelos futuros se utilicen series anuales en vez de trimestrales ya que se generan problemas
importantes de estimación con los cambios estacionales de ciertas partidas de comercio.
Para mejorar las estimaciones de la metodología de datos de panel la autora recomienda usar variables
dummy que controlen por variables cualitativas no observables tales como barreras no arancelarias,
intereses políticos y relaciones políticas y comerciales. La conclusión principal es que el AA será
beneficioso para Costa Rica, pero sería más beneficioso para la Unión Europea, aunque por las
limitaciones de información sobre variables cualitativas no se logró hacer conclusiones o afirmaciones
de
mayor
alcance
55
B. MODELOS ECONOMÉTRICO S MULTIECUACIONALES
SISTEMA O MODELOS DE ECUACIONES SIMULTÁNEAS (MES)
Un sistema de ecuaciones simultáneas contiene un conjunto de ecuaciones. Cada uno de estas
ecuaciones representa un modelo de regresión lineal.Cuando la variable dependiente en una ecuación
actúa también como variable explicativa en otra ecuación, estamos ante un modelo de ecuaciones
simultáneas o modelo multiecuacional. Dada esta característica de simultaneidad, la técnica de
estimación de mínimos cuadrados ordinarios no puede ser aplicada porque no se cumple el supuesto de
que las variables explicativas no están correlacionadas con los términos de error de las ecuaciones
participantes en el modelo. Habrá que utilizar otras técnicas de estimación de los parámetros24.
Los trabajos sintetizados a continuación, son desarrollados por personal técnico de bancos centrales u
organismos multilaterales de la región por lo que, como era de esperar, su objetivo principal no es
medir el impacto del comercio en el crecimiento económico sino sobre la inflación y la oferta y demanda
de dinero y el tipo de cambio. Sin embargo, la metodología es propicia para realizar simulaciones de
política comercial o choques de precios para medir el impacto a nivel agregado del comercio en el
crecimiento económico de los países centroamericanos. Los modelos especifican una ecuación para el
PIB y el resto de ecuaciones representan los componentes del producto del lado de la demanda
agregada (Consumo, inversión, gasto público, exportaciones e importaciones). De esta manera se puede
simular, por ejemplo, cómo cambios en las exportaciones e importaciones inciden en la actividad
económica.
Una variante de sistemas de ecuaciones simultáneas es la técnica de Vectores Autorregresivos (VAR) y
Vectores de Corrección de Errores (VECM). Los VAR y VECM surgen a raíz de al menos dos críticas a los
MES: 1) la elección de las variables como endógenas o explicativas es subjetiva en muchos casos, así
como, 2) la no inclusión de variables explicativas –lo cual muchas veces se hace de manera subjetiva o
arbitraria- para lograr el orden adecuado del sistema de ecuaciones (básicamente el número adecuado
de variables incógnitas y numero de ecuaciones) o para acomodar la especificación de los modelos a las
información disponible. Según Sims (1980), dado que existe simultaneidad, todas las variables deben
ser tratadas de igual manera sin distinguir entre exógenas y endógenas. En este sentido, el enfoque del
VAR elude la necesidad de modelado estructural (modelo teórico) tratando cada variable endógena en
el sistema como una función de los valores rezagados de todas las variables endógenas en el sistema.
Por ello Sims propone un modelo de vector autorregresivo donde todas las variables son a la vez
endógenas y exógenas (también existen variables externas exógenas no determinadas por el MES). Esta
característica “flexible” de los VAR y VECM les facilita no solo medir el impacto de unas variables
económicas (p.e. el comercio intrarregional –exportaciones o importaciones) sobre la dinámica de una
determinada variable de interés (p.e. el crecimiento económico) así como corroborar si una variable
24Entre
estas están: Mínimos cuadrados directos, Mínimos cuadrados indirectos (MCI), Método de
variables instrumentales, Mínimos cuadrados bietápicos, Modelos recursivos, Máxima
verosimilitud con información limitada.
56
económica puede ser considerada como un mecanismo de transmisión. Por ejemplo, puede examinarse
si la tecnología (medida a través de inversión extranjera directa) es estadísticamente significativa para
determinar el PIB.
El vector autorregresivo (VAR) se usa comúnmente para pronosticar sistemas de series de tiempo
interrelacionadas y para analizar el impacto dinámico de perturbaciones aleatorias sobre el sistema de
variables. Un ejemplo, podría ser un aumento de las exportaciones (si se firma un ALC o se reducen
unilateralmente los impuestos a las exportaciones o se elimina un subsidio a las exportaciones no
tradicionales). Es importante señalar que en la búsqueda de la literatura no se logró encontrar una
investigación que usara esta metodología en el tema de comercio internacional y crecimiento
económico para la región centroamericana. Sin embargo, vale la pena apuntar que esta metodología
(VAR y VECM) puede ser utilizada para los propósitos de esta consultoría: medir el impacto del comercio
en el crecimiento e identificar los mecanismos de transmisión del comercio internacional en el
crecimiento de las economías. La metodología VECM si ha sido implementada en la región por Iraheta,
Espinoza y Sánchez (2012)para analizar las relaciones cuantitativas y de causalidad entre el crecimiento
y la inflación en un contexto keynesiano de determinación del producto mediante los componentes de
la demanda agregada; esos autores encuentran que, entre otras variables, el crecimiento es favorecido
por la demanda externa, los precios internacionales de productos de exportación, la política fiscal
anticíclica y una política monetaria acomodaticia pero con atención a la estabilidad de precios. Por otro
lado, Carrera, Feliz y Panigo (s/a) la utilizaron para medir los canales transmisión del ciclo económico
entre Estados Unidos y Argentina.
f) Modelo macro econométrico Regional II (MMR II).
El objetivo de este estudio es ofrecer proyecciones y simulaciones sobre el crecimiento económico y la
inflación regional para 2009 –no tiene el propósito de medir el impacto del comercio en la dinámica de
las economías. Sin embargo, este tipo de modelos pueden utilizarse para realizar simulaciones con el fin
de medir el impacto de medidas de política comercial o choques en el comercio internacional –p.e.
incremento de precios internacional de bienes clave. La ventaja más sobresaliente de esta metodología
sobre la de los MUE es que toman en cuenta además de los efectos directos los efectos indirectos y los
efectos de segunda vuelta (dinámicos).
Los resultados sobresalientes del trabajo se exponen a continuación.
El MMR II estimó un crecimiento económico de -1.6% y una inflación de 4.8% para 2009. Suponiendo
una inyección de liquidez al sistema financiero regional de cinco puntos porcentuales y un incremento
en el gasto público regional de siete puntos porcentuales en 2009, el crecimiento económico en dicho
escenario sería de 0.2%. La razón de sacrificio estimada a partir de la ecuación de Phillips para la región
fue de 2.5; esto significa que, para reducir la inflación regional en 1 punto porcentual se deben sacrificar
2.5 puntos porcentuales del PIB regional. La sustitución en la ecuación de precios de la brecha del
producto por la brecha de liquidez, muestra que los excedentes de liquidez en los sistemas financieros
regionales han sido más importantes que los excedentes del producto, lo que tiene implicaciones para la
adopción de medidas bajo control de las autoridades monetarias comprometidas con un objetivo
explícito de inflación.
La metodología econométrica utilizada se fundamenta en los modelos de corrección de errores (MCE).
La representación básica de un MCE es de la siguiente forma:
57
∇ = 0+ 3∇ + 4∇ +( − 1 − 2
) −1+
Donde, ∇ es el operador de rezagos, es la velocidad de ajuste de corto plazo ante desalineamientos
temporales de la variable endógena respecto de su relación de largo plazo y el MCE es el mecanismo de
corrección de errores o relación de cointegración de largo plazo.
Este tipo de modelos se utiliza en series de tiempo que se sabe no son estacionarias pero que sí
cointegran. Por ello, es necesario aplicar pruebas de raíces unitarias y cointegración a las series. Estas
pruebas fueron aplicadas a todas las series en el modelo concluyendo que:
1) Todas poseían al menos una raíz unitaria en nivel, es decir, eran no estacionarias en nivel.
2) Se obtuvo al menos una relación de cointegración para las ecuaciones del producto, los precios y las
cuatro ecuaciones de la demanda agregada del MMR II.
El modelo de corrección de errores restringe a la variable endógena a converger a su senda de
equilibrio. El modelo muestra la velocidad de ajuste de retorno al equilibrio cuando la variable endógena
-debido a choques exógenos- diverge de su trayectoria. La velocidad de ajuste está representada por el
coeficiente el cual debe ser negativo para asegurar la convergencia al equilibrio. Por ejemplo, en la
ecuación 4.1, si la variable endógena crece por arriba de su relación de equilibrio, hará que el
mecanismo de corrección de errores sea positivo, pero como es negativo, el mecanismo se
transformará en negativo, obligando en el corto plazo a la variable endógena a disminuir y retornar al
equilibrio. Por el contrario, si la variable endógena crece debajo de su relación de equilibrio, el
mecanismo será negativo, pero como es negativo, el mecanismo se transformará en positivo, haciendo
que en el corto plazo la variable endógena aumente y retorne nuevamente al equilibrio.
Los MCE se pueden estimar mediante software econométricos, los cuales cuentan con una aplicación de
vectores de corrección de error –por ejemplo el proporcionado por el software EViews, el cual estima
simultáneamente los coeficientes de la relación de largo y corto plazo, incorporando el mecanismo de
corrección de error en la expresión de corto plazo para obtener el coeficiente de velocidad de ajuste.
Asimismo, los MCE pueden estimarse mediante el método de dos etapas de Engle-Granger. En la
primera etapa se estima la relación de cointegración, de equilibrio o de largo plazo. Luego se obtiene el
mecanismo de corrección de error, y en una segunda etapa, se calculan los parámetros de la relación de
corto plazo, incluyendo el mecanismo para obtener la velocidad de ajuste. En esta investigación, el MCE
se obtuvo a través del método Engle-Granger. Luego de que se obtienen las relaciones estables de largo
y corto plazo, se procede a construir un modelo para la resolución simultánea de los pronósticos para
2008 y 2009. Para ello se definen los supuestos básicos para las variables exógenas. Asimismo, se
procede a simular distintos escenarios de comportamiento de las variables exógenas, para contar con un
piso y un techo para variables relevantes para la región como el crecimiento económico y la inflación.
La información del MMRII requiere de series agregadas a nivel de los países centroamericanos (como si
fuera un solo país) y se requiere en primer término, la actualización de las series de tiempo agregadas y
su homogeneización o estandarización para poder ser sumadas (Guatemala, Honduras, Nicaragua, El
Salvador, Costa Rica y República Dominicana).
g) Modelo Macro econométrico de Pequeña escala para El Salvador
58
A diferencia del trabajo anterior (f)), esta investigación considera explícitamente el impacto de una
variable de comercio internacional en la dinámica económica. Así, elabora un modelo macro
econométrico que permite entre otras cosas realizar simulaciones para conocer el impacto del cambio
en los precios de las importaciones (esto puede deberse por ejemplo a un cambio en los aranceles) en
las variables económicas clave tales como el PIB y el empleo. Es importante señalar que el estudio
refleja la aplicación de metodologías y conocimientos desarrollados bajo el proyecto “Fortaleciendo las
capacidades de análisis de la Política Macroeconómica en Centroamérica y el Caribe” bajo el auspicio de
CEPAL, México y DESA, Naciones Unidas. Para este efecto se contó con la colaboración y asesoría de los
consultores del referido proyecto. Este dato es importante para considerar la posibilidad que dentro de
este tipo de asistencia técnica se incluya apoyo a la región para el uso de metodologías de medición del
impacto del comercio intrarregional en las economías centroamericanas.
El modelo macroeconométrico permite estimar el comportamiento de corto y largo plazo, de los
principales indicadores macroeconómicos de El Salvador. Mediante el uso de la metodología de
Johansen y de Engle y Granger se construyen modelos de Vectores Autorregresivos (VAR) y modelos de
Corrección de Errores (ECM) que permiten obtener adecuadamente el proceso generador de
información de variables como el Producto Interno Bruto trimestral, el Índice de volumen de la actividad
económica, la tasa de inflación, el crédito privado y tasas de interés. A partir del escenario base, se
efectuaron simulaciones para conocer el impacto sobre el desempeño de la economía salvadoreña,
derivados de choques externos, tales como cambios en tasas de interés externas, aumento de precios
de importaciones y cambios del PIB de los Estados Unidos, entre otros, encontrando que los canales
comercial y financiero son relevantes en la trasmisión de fenómenos externos hacia la economía
doméstica. En este sentido el modelo puede ser utilizado para medir el impacto del comercio en el
crecimiento económico aunque a nivel agregado, es decir, sin llegar a medir el impacto en la producción
de los diferentes sectores económicos.
La metodología utilizada incorpora pruebas de raíces unitarias según Dickey Fuller y Phillips Perron a fin
de determinar si las series son estacionarias y su orden de integración. Las ecuaciones de
comportamiento fueron estimadas usando la metodología de cointegración, Johansen, y un mecanismo
de corrección de error, Engle y Granger, que permite utilizar al vector de cointegración como
mecanismo de corrección de errores.
A partir de un modelo estadístico general adecuado y mediante el procedimiento de lo general a lo
específico se obtiene un modelo econométrico final que aproxima adecuadamente al proceso generador
de información. Finalmente se verifica que los residuos del modelo cumplan con los test de normalidad,
que no exista evidencia de autocorrelación, de heterocedasticidad ni de cambio estructural y que tenga
estabilidad paramétrica.
El modelo es utilizado con los siguientes objetivos: Primero, obtener pronósticos de corto y mediano
plazo de las principales variables económicas de la economía salvadoreña. Segundo, estimar el impacto
de choques sobre variables económicas relevantes y analizar medidas de política económica para la
toma de decisiones.
Los resultados indican que existe evidencia de una fuerte relación entre el PIB e inflación de los Estados
Unidos con sus pares de El Salvador, así como con el comportamiento de las tasas de interés externas. El
análisis efectuado indica que los choques externos se transfieren hacia la economía salvadoreña
principalmente por medio de los canales comercial y financiero, incidiendo en el desempeño de los
principales indicadores del país. Las simulaciones realizadas señalan la sensibilidad de la tasa de inflación
59
ante cambios en los precios de importación y salarios; aumentos de ambos causan un deterioro de los
términos de intercambio y afecta la competitividad de las empresas, debido a que eleva los costos de
producción e inducen cambios en precios relativos de bienes transables y no transables. Los resultados
estimados relativos a la relación entre la inflación y productividad, refuerzan la importancia de tomar
medidas tendientes a elevar la productividad, como un mecanismo que ayudaría no solo a contener
presiones inflacionarias, sino que contribuiría a mejorar la competitividad del sector productivo del país.
h) Modelo Macro econométrico de Proyección de Corto Plazo para Nicaragua
Este trabajo presenta un Modelo Macroeconométrico de Proyección de Corto Plazo (MPCP) para la
economía nicaragüense. Con el desarrollo de este modelo, se pretende poner a disposición de la
autoridad monetaria un instrumental económico que le permita proyectar variables macroeconómicas
claves, y proveer una estructura dentro de la cual se puedan ejecutar simulaciones de diferentes
escenarios de política. El modelo está compuesto por tres bloques: a) un bloque de oferta, en el cual se
modelan una función de producción y una demanda de trabajo; b) un bloque de demanda agregada, en
el cual se estiman los componentes de la demanda agregada; y c) un bloque de precios, donde se
modelan ecuaciones para el nivel general de precios, los salarios y los precios de los no transables. Otros
precios claves como el tipo de cambio real de las exportaciones, el tipo de cambio real de las
importaciones, las tasas de interés real activa y pasiva, los salarios reales, y los deflactores del producto
y los componentes de la demanda agregada, son variables de resultados de la simulación simultánea del
modelo completo. Según el autor, las ecuaciones de los tres bloques no son derivadas de procesos de
optimización de agentes económicos sujetos a restricciones presupuestarias, pero están en línea con la
literatura empírica para estimaciones similares.
Las ecuaciones se estiman separadamente y luego se estima el modelo simultáneamente mediante un
método iterativo (se usó el de Gauss-Seidel). Esta estimación simultánea permite tomar en cuenta las
interrelaciones de todas las variables endógenas con sus respectivos rezagos.
El autor menciona que es importante notar que toda metodología econométrica, está sujeta a
incertidumbre debido a la sensibilidad de los parámetros de las estructuras de las economías, las cuales
son desconocidas. En este sentido, el juicio y la precaución en la interpretación de los resultados, son
importantes. El modelo se estima en frecuencia trimestral para el periodo comprendido entre 1994:1 y
2007:1 y se hace diversas simulaciones de política. Cada ecuación del modelo describe la dinámica de la
variable endógena que representa, las cuales al ser simuladas simultáneamente, permiten recoger las
interrelaciones entre las distintas variables. Las proyecciones basadas en el modelo y las
cuantificaciones de diferentes shocks, deben apoyarse en el juicio, no sólo para evaluar su consistencia,
sino porque agrega elementos no cuantificables. Por otra parte, los métodos econométricos para
estimar cada ecuación están sujetos a diferentes problemas estadísticos (por ejemplo, errores de
medición de variables), y las relaciones económicas estimadas pueden cambiar bajo diferentes
escenarios.
j)
Modelo Econométrico para el Crecimiento Económico y la Inflación en Centroamérica
Esta investigación hace un análisis econométrico del crecimiento e inflación en los países de la región
centroamericana (El Salvador, Guatemala, Honduras, Nicaragua, Costa Rica) y Republica Dominicana
tomados como un todo. La metodología aplica una estimación de un vector autorregresivo con
corrección de errores el cual asegura que entre las variables económicas del modelo existe una relación
60
de largo plazo con sentido económico, es decir que tenga un asidero teórico. En este sentido los autores
(Iraheta, Espino y Sánchez, 2012)) utilizan un enfoque de demanda agregada y una curva de Phillips de
tradición keynesiana para especificar el modelo que cuenta inicialmente de 8 variables endógenas: El
PIB real regional, la inflación regional, el PIB real de socios comerciales, la tasa de interés real, tipo de
cambio regional, precios internacional del petróleo, precio internacional de productos agrícolas, y gasto
público regional. El modelo teórico incluye también variables exógenas tales como las expectativas
inflacionarias y la brecha del producto (PIB observado versus PIB potencial). El proceso de estimación
también considera la inclusión de variables dummy para tomar en cuenta outliers tales como la crisis
financiera mundial de 2008 y un proceso inflacionario inusual en República Dominicana a mediados de la
década pasada.
El estudio utiliza datos trimestrales del periodo 1994-2012 y la estimación del modelo utiliza la técnica
de vectores autorregresivos con corrección de errores.
Las pruebas de raíces unitarias y de
identificación de relaciones de largo plazo (cointegración) que demanda el método de VECM
permitieron estimar un modelo con cuatro ecuaciones de cointegración entre las variables PIB, inflación,
tipo de cambio y tasa de interés el cual se comprobó que cumplía con otras condiciones tales como la
normalidad de los errores de estimación, no autocorrelación, etc.
El propósito del este estudio es proveer un modelo de ecuaciones simultaneas que permita realizar
conclusiones y recomendaciones de política económica a partir de los determinantes del crecimiento e
inflación regional así elaborar como pronósticos o simulaciones de choques externos o políticas
económicas que informen a los formuladores de política económica.
Las conclusiones más
sobresalientes del estudio indican por ejemplo que la dinámica económica de los socios comercial juega
un papel importante en el crecimiento de la región.
En este contexto, la potencial transmisión de choques externos desde los principales socios comerciales
de la región debe anticiparse con política fiscales sostenibles que permitan suavizar los ciclos
económicos internacionales mediante una política fiscal anticíclica. Sin embargo, la expansión del gasto
público tiene efectos sobre la inflación y es necesario tener cautela en el manejo de las finanzas
públicas. Los precios agrícolas al alza favorecerían pero como era de esperar, el modelo indica que tiene
un impacto en la inflación a través de las importaciones de bienes agrícolas. Por su parte, un choque en
el precio del petróleo afecta negativamente tanto el crecimiento como la inflación y el efecto tiende a
ser persistente. Consecuentemente, el estudio advierte la importancia de mantener un monitoreo
permanente de las señales inflacionarias que pueden derivarse del indicador de inflación subyacente en
combinación con la brecha del producto regional todo con el fin de asegurar el logro de los objetivos
inflacionarios de la banca central.
El estudio incluyó un choque de cuatro variables consideradas exógenas en el modelo –cae PIB de socios
comerciales, sube precios internacionales de productos agrícolas y petróleo, y gasto público. Los
resultados indican una caída del PIB regional compensada parcialmente por la política fiscal expansiva,
la cual tiene un impacto al alza en la inflación regional junto con los efectos en el mismo sentido
provocado por los aumentos (choque) de los precios internacionales de productos agrícolas y el
petróleo.
j) Instrumentos para la evaluación del impacto de acuerdos comerciales internacionales: aplicaciones
para países pequeños en América Latina
61
Este documento no propone una metodología específica para realizar análisis del impacto de la política
comercial y el comercio internacional en las economías, pero hace una revisión de las distintas
metodologías usadas y disponibles para este fin. El autor sugiere que los ministerios a cargo del
comercio (MCC) tomen ventaja de las “metodologías desarrolladas por otros” dada las limitaciones de
recursos y tiempo. Según este estudio, desarrollar modelos que midan el impacto del comercio en las
económicas con el grado de detalle suficiente es técnicamente complejo, requiere de mucho tiempo, y
es costoso. La aplicación frecuente de los mismos requiere de revisiones y reestimaciones extensas y
caras. Ni la aplicación de estos modelos ni la interpretación de sus resultados es fácil, ni están dentro del
dominio usual de los profesionales de gobierno, incluidos los técnicos habitualmente disponibles en los
MCC de la subregión centroamericana. Es necesario tomar en cuenta las limitaciones de las
instituciones. La mayoría de los MCC tienen personal excelente, y en varios de estos países, los
funcionarios a cargo de la negociación y aplicación de acuerdos comerciales son los mejores
profesionales dentro de la función pública. Sin embargo, también es cierto que estas instituciones por lo
general son pequeñas y con escaso presupuesto. Las labores que se les pide son grandes, crecientes, y
urgentes. La formación profesional de los funcionarios clave a menudo recae en ciertas disciplinas como
el derecho, que no se inclinan hacia el análisis cuantitativo de temas económicos.
Por la razón anterior, en este documento se revisan algunos de los instrumentos más conocidos y de
fácil uso para dar seguimiento al desempeño y medición del impacto de los acuerdos comerciales. Su
objetivo es brindar una visión acerca de la utilidad de estos instrumentos y el acceso que tengan los
funcionarios de los ministerios de comercio responsables de su uso. El análisis y la selección de los
instrumentos son el resultado del trabajo de consultoría que realizara el señor Alberto Trejos, profesor
del Instituto Centroamericano de Administración de Empresas (INCAE) y ex Ministro de Comercio de
Costa Rica. El estudio forma parte de una serie de actividades desarrolladas en el marco del proyecto
para el fortalecimiento de capacidades comerciales en las Américas de la Comisión Económica para
América Latina y el Caribe (CEPAL) y que cuenta con el financiamiento de la Agencia Canadiense de
Desarrollo Internacional (ACDI/CIDA).
De acuerdo con Trejos, los métodos que se recomienden para encontrar respuestas sobre la relación e
impacto del comercio en las economías de la región no solo deben ser correctos, sino que además
deben poder aplicarse sin requerir demasiado tiempo de los funcionarios, ni la erogación de muchos
recursos financieros, ni el uso de estadísticas de difícil obtención o de técnicas muy complejas. Se
necesitan métodos fundamentados en ideas consistentes y teóricamente correctas, pero que, aun a
costa de sacrificar precisión y depuración técnica, se puedan implementar regularmente dentro de las
realidades de tiempo y de recursos financieros y humanos de las instituciones relacionadas.
Las recomendaciones del autor se exponen a continuación.
El documento sugiere seguir un proceso de análisis y recopilación de información. 1) la estimación
empírica de modelos para cuantificar los impactos de la liberalización en el comercio de bienes, 2) la
medición y generación de los datos necesarios, y 3) el seguimiento a una serie de temas no arancelarios
no fácilmente cuantificables, pero importantes en otras áreas. El objetivo de este proceso va más allá de
rendir cuentas, o de alimentar continuamente el debate sobre si mantener o cambiar el rumbo
perseguido con estos acuerdos.
Los tratados se negocian una vez, y se renegocian despacio, pero se implementan día a día. El objetivo
es detectar problemas y mejorar las políticas públicas y las acciones privadas para aprovecharlas mejor.
62
¿Cómo acompañar estos esfuerzos? ¿Qué puede hacer una institución relacionada con el desarrollo
económico para facilitar un clima para que la evaluación se haga correcta y exhaustivamente, y alimente
una mejor toma de decisiones? Las líneas de acción sugeridas para lograr estos propósitos son:
En primer lugar, capacitación. Como no existen necesariamente los funcionarios (o su tiempo libre) para
el tipo de labor señalada, que en mucho difiere del trabajo de negociación, es procedente diseñar un
contenido académico e identificar instituciones de enseñanza adecuadas para esos propósitos. Aunque
la teoría económica detrás de algunos de los modelos a utilizar en el análisis del comercio y crecimiento
económico es compleja, el aprendizaje de cómo usar e interpretar los programas de cómputo y los
resultados existentes, no lo son tanto.
Segundo, mejores prácticas. Varios países más desarrollados hacen muchas de las acciones señaladas, y
realmente sólo es necesario repetirlas. La exposición directa de los funcionarios a las mejores prácticas
internacionales en la materia debiera ser fácil de coordinar y muy valiosa.
En tercer lugar, generar una cultura de diagnóstico y discusión, más allá del debate ideológico. Estas
instituciones deben ser las primeras en trascender la discusión sobre el deseo de contar con los
acuerdos, con los temas más profundos de evaluación y seguimiento. Al menos en la discusión entre
gobiernos, y en los foros que los organismos de desarrollo celebran, se debe trascender a este nuevo
estadio del análisis.
Cuarto, apoyar técnica y financieramente el proceso de creación, dentro de las instituciones a cargo de
la política comercial, de los órganos especializados en la evaluación y seguimiento. Con el ejemplo de
algunos países, esto podría estar acompañado idealmente de la obligación legal para estas labores.
Quinto, seguir apoyando los proyectos y políticas que, sin tratar directamente con el ejercicio de la
política comercial, afectan decisivamente sus resultados, como los programas nacionales de
competitividad, así como el diseño, ejecución y financiamiento de agendas complementarias adecuados
para los acuerdos.
Sexto, las instituciones regionales podrían compilar, para los países de la región, los datos necesarios de
indicadores y para la estimación de los modelos econométricos y matemáticos. Esos datos son lo
suficientemente detallados y permiten un análisis más profundo que el actual. Podrían así hacerse a
costo razonable con frecuencia anual, y serían un elemento clave en la mejor discusión de los temas
comerciales en la región.
63
C. MODELOS DE EQUILIBRI O GENERAL COMPUTABLE
MODELOS DE EQUILIBRIO GENERAL COMPUTABLE (MEGC) EN COMERCIO
Entre las ventajas de esta metodología se encuentra que estos modelos, en la medida que son
estructurales, no presentan problemas de identificación asociados con modelos econométricos. Los
MEGC permiten inferir efectos directos vs. efectos indirectos a través de la interacción entre sectores de
la economía. Son muy útiles cuando los efectos indirectos son muy significativos, por ejemplo, cuando
una política comercial de reducción de aranceles afecta de manera importante a todos o varios sectores
productivos. Los efectos de los choques de política y los externos (p.e. reducción de impuestos a las
importaciones) pueden simularse. En estos modelos los mecanismos de transmisión son cambios en los
precios relativos de bienes y factores y cambio en las cantidades.
Los MEGC son intensivos en el manejo de datos: comercio, producción, protección arancelaria, factores
productivos. Permiten un amplio rango para la agregación de la línea de base (sectores, instituciones,
hogares). Es importante anotar, que una de las dificultades principales está relacionada con la calidad
de los datos. Hay que asegurarse que sean los correctos (comercio, aranceles, interacciones sectoriales
I-P, especialmente la construcción de la matriz de contabilidad social que requiere el uso de resultados
de encuestas de hogares, registros administrativos de impuestos y salarios). Los errores en las
observaciones de las variables en estos modelos pueden generar resultados inexplicables y erróneos.
Estos modelos son matemáticos (no son econométricos), pero utilizan modelos econométricos
únicamente previa a la estimación de los modelos; esto es necesario para estimar las elasticidades de
sustitución de bienes y factores productivos, las que son necesarias para la calibración del modelo base.
Los modelos utilizan estos parámetros que son clave para la calibración de los mismos. Un aspecto
limitante es que utilizan mucha información que no suele estar disponible en los países. Por ejemplo, la
matriz insumo-producto (MIP), la MCS, encuestas de hogares e información de los contribuyentes.
En su aplicación a nivel regional estos MEGC se han utilizado principalmente para medir el impacto de
potencial de ALCs en la producción, el bienestar, empleo, etc. como se resalta en las síntesis de los
siguientes estudios revisados.
k) Apertura comercial y pobreza en Centroamérica: logros y desafíos
Esta investigación obedece al propósito de evaluar la efectividad de la estrategia de crecimiento
económico basado en las exportaciones y su impacto esperado de “derrame” en el bienestar de los más
pobres de los países centroamericanos. Un aspecto que vale la pena resaltar es que el estudio no
presenta las ecuaciones que se especificaron para el MEGC.
Según el autor, en las dos últimas décadas, en América Latina se han reformado los regímenes
comerciales para facilitar el crecimiento centrado en las exportaciones, con la esperanza de que este
tendría un “efecto de derrame” en favor de los más pobres. Para comprobar esta hipótesis de
64
desarrollo, el analista desarrolla un MEGC y usa micro simulaciones para examinar los efectos sobre los
más pobres en Costa Rica, El Salvador y Honduras25. De acuerdo a los resultados del estudio, el efecto de
derrame se ha logrado en distinta medida y su consecución ha dependido no solo de la eficacia de las
reformas de la política comercial, sino también de la política cambiaria, de las perturbaciones externas y
de las remesas de los trabajadores migrantes. El cambio tecnológico también ha sido fundamental para
capitalizar los beneficios de las reformas.
Como se desprende de este estudio realizado, los MEGC son una herramienta idónea para analizar los
efectos simultáneos, directos e indirectos, así como los efectos de segunda vuelta de las medidas de
política comercial que o hayan adoptado los países. La orientación de este trabajo investigativo es útil al
propósito de diseñar una metodología que permita medir el impacto del comercio intrarregional
centroamericano en las economías de los países social del MCCA. Sin embargo, cabe recordar, como se
ha mencionado en otros estudios26, que la limitante principal es que se debe contar con matrices de
contabilidad social y estimaciones de elasticidades de sustitución de bienes y factores de producción, las
cuales generalmente no se encuentran disponibles y hay que hacer un trabajo complejo y largo de
estructuración de la MCS, entre otras necesidades de información.
El modelo se combinó con una metodología de microsimulación de modo de captar plenamente las
consecuencias distributivas de las políticas y de las crisis externas.
El modelo se calibró con datos relativos a cada uno de los tres países, utilizando el sistema general de
modelado algebraico (GAMS, por sus siglas en inglés). El modelo de equilibrio general computable se
usó para realizar varias simulaciones de políticas y perturbaciones externas. El autor reporta que este
modelo tiene casi todas las características del conocido modelo de equilibrio general computable
desarrollado en el Instituto Internacional de Investigaciones sobre Políticas Alimentarias, que se explica
ampliamente en Löfgren y otros (2002) y que los cambios introducidos son pocos y de escasa
importancia27.
l) Modelo de Equilibrio General Computable para Nicaragua.
El propósito principal del trabajo es proponer un MEG que permita medir el impacto de políticas
económicas y choques exógenos sobre diversos sectores en la economía nicaragüense.
El modelo permite realizar análisis macroeconómicos y microeconómicos (o sectoriales); estos últimos
son útiles para proponer medidas focalizadas de política económica lo que es una herramienta útil para
la toma de decisiones. Este estudio se incluye en la revisión ya que está relacionado con el objetivo de
esta consultoría que es diseñar una metodología para la medición del impacto del comercio
intrarregional en las economías centroamericanas. Un MEGC, una vez estimado, permite, en la medida
25
El autor no revela las razones de no incluir al resto de países centroamericanos, pero se presume que esta
ausencia se podría explicar por la falta de información que ha caracterizado los intentos de aplicar esta
metodología de análisis cuantitativo.
26
Ver por ejemplo, Alberto Trejos (2009).
27
Löfgren, H., R. Lee y S. Robinson (2002): A standard computable general equilibrium (CGE) model in GAMS,
Microcomputers in Policy Research 5, Washington, D.C., Instituto Internacional de Investigaciones sobre Políticas
Alimentarias.
65
que incluye el sector externo en la especificación del mismo, realizar simulaciones del impacto de
medidas de política comercial en el crecimiento de las economías.
El modelo se justifica, según el autor, porque los modelos macroeconométricos que se han diseñado
(como los sintetizados en el apartado anterior sobre MES), si bien dan cuenta de la simultaneidad en la
determinación de los efectos en las variables económicas derivados de choques de política y choques
externos (p.e. precios de petróleo, entrada de capitales y remesas), sus mediciones son a nivel agregado
y no permiten hacer análisis por sectores económicos como lo permiten los MEGC. Por ejemplo, no se
puede analizar el efecto de un aumento del precio del petróleo en el sector agropecuario o los efectos
sobre la renta de los hogares rurales versus los urbanos, lo cual sí es posible con un MEGC.
El MEG elaborado consta de cuatro elementos. El primero es una base de datos organizada en una
Matriz de Contabilidad Social (MCS) real, cuyo elemento fundamental es la matriz insumo-producto que
permite analizar las interacciones entre los sectores productivos28. El segundo es una Matriz de
Contabilidad Social financiera que resume los activos y pasivos financieros que posee cada agente
económico contra el resto de la economía. El tercero es un sistema de identidades básicas que surge de
ambas matrices de contabilidad social, y que representa las restricciones presupuestarias de cada uno
de los agentes económicos. El último es un sistema de ecuaciones que le dan vida a las variables
contenidas en las identidades. El MEG utilizado en este trabajo es construido como una composición de
dos sub-modelos, uno real y otro financiero. El primero es referido a los aspectos reales de la economía
nicaragüense, en tanto que el segundo se refiere a los financieros.
El MEGC utilizado en este documento posee los elementos necesarios para realizar análisis de costos y
de demanda, de tal manera que se puede determinar el efecto de varios choques externos (p.e.
incremento de precios del petróleo o de los alimentos, reducción de aranceles, etc.) sobre los precios y
la producción de cada uno de los productos incluidos en el modelo, así como el efecto sobre la
distribución del ingreso y el consumo de los hogares. Por otro lado, también se puede conocer
aproximadamente el impacto del choque sobre los balances financieros de cada una de las instituciones
incluidas en el análisis.
En el trabajo se realiza una simulación de un incremento del precio del petróleo de 23 por ciento, el cual
coincide con la tasa de crecimiento promedio anual observada en los últimos años de la década pasada.
El ejercicio supone que el gobierno no interviene regulando la tarifa de transporte, energía eléctrica o
agua potable; es decir, se muestra la verdadera vulnerabilidad de cada sector ante el choque petrolero.
Un incremento del precio del petróleo afecta directa e indirectamente la estructura de costos de los
sectores productivos. En efecto, un sector es afectado directamente porque los derivados del petróleo
constituyen insumos en el proceso productivo. Por otro lado, los costos también son afectados
indirectamente vía aumentos en el precio de otros bienes en la economía que son utilizados como
insumos en la producción de aquel sector. El incremento de los costos de producción es equivalente a
una contracción de la oferta, cuyo efecto sobre la producción y los precios dependerá de la pendiente
28
Una MCS real es una matrizcuadrada nxn que resume las diversas transacciones entre los sectores deuna
economía. Por ejemplo, cualquier pago de un hogar a un sector productivo (compra de unbien por parte de un
hogar), o de una familia al gobierno (pago de impuestos), es registradoen la matriz como un gasto para un actor
(columna) y un ingreso para otro actor (fila). En losejemplos mencionados anteriormente, el gasto era para los
hogares; en tanto que el ingresoera para las empresas en el primer caso y para el gobierno en el segundo caso.
66
de la curva de demanda (que determinada la elasticidad de precio y sustitución de la demanda), la cual a
su vez depende de factores como el ingreso real de los consumidores, las sensibilidades de las
exportaciones y las importaciones ante variaciones en los precios domésticos, entre otros. Los hallazgos
evidencian, como era de esperar con base a la teoría, que el aumento del precio del petróleo provoca
una reducción general en la producción sectorial con diferentes grados de reducción de la producción.
Este modelo, al igual que los anteriores podría ser utilizado para medir el impacto del comercio en las
economías centroamericanas, realizando simulaciones de aumentos o disminuciones en las
exportaciones e importaciones provocadas por medidas comerciales o choques externos.
m) Perturbaciones internas y externas en pequeñas economías abiertas: Un análisis de equilibrio
general para el caso de Nicaragua (1994-2011).
Esta investigación fue sometida a concurso en el Banco Central de Guatemala donde ganó el Tercer
Lugar en 2013.
Los objetivos del trabajo son: 1) Construir un modelo de equilibrio general dinámico (MEGDE) para una
economía pequeña y abierta como la de Nicaragua, y 2) Analizar a través de dicho modelo la respuesta
a diversas perturbaciones sobre las principales macro variables de la economía nicaragüense. Las
perturbaciones analizadas fueron las siguientes: productividad, demanda, inflación, regla de política, e
inflación y producto de la economía externa.
El autor afirma que en la actualidad, existe marcado interés en el desarrollo de MEGC a diferentes
escalas por parte del sector académico, las instituciones de gobierno, los organismos internacionales,
pero sobre todo de los bancos centrales dado que esta metodología permite analizar la respuesta de los
diferentes agentes económicos ante cambios en su entorno, determinándose dichas respuestas en un
contexto de equilibrio general en el cual todas las variables endógenas de la economía se determinan de
forma simultánea.
Para el análisis del efecto de las perturbaciones externas e internas sobre variables relevantes de la
economía nicaragüense, se construye un modelo de equilibrio general dinámico estocástico que opera
bajo los siguientes supuestos: economía pequeña y abierta, formación de hábitos de consumo,
imperfecciones de mercado en forma de rigideces nominales. Para la calibración del MEGD se utilizó,
como en todo MEGC, parámetros de elasticidades de sustitución de bienes y factores de producción
usando modelos econométricos ad-hoc o valores estimados en estudios previos. El autor señala que
estos MEGC no se utilizan de manera generalizada, sino más bien mínima, debido al efecto de “caja
negra” de la estructura de los modelos. Sin embargo, es de anotar que el trabajo no incluye una
descripción de las ecuaciones incorporadas en el modelo.
Las conclusiones a las que arriba el autor son las siguientes:
Un aumento en la productividad tiene como efectos: el aumento en la producción agregada, las
exportaciones y el consumo agregado; principalmente en el componente doméstico de dicho
consumo.
67
Los efectos del aumento en la demanda son: el incremento en el consumo agregado, tanto el
componente doméstico como las importaciones; y una disminución del producto y las
exportaciones para después colocarse por encima del estado estacionario.
La inflación al mostrar una relación inversa con el producto, contrae tanto el consumo agregado
como las exportaciones.
La perturbación de política monetaria (aumento de la tasa de interés) contrae el producto, el
consumo agregado, las exportaciones y las presiones inflacionarias; sin embargo, a diferencia de
las otras perturbaciones, las variables vuelven a su estado estacionario con rapidez.
Las perturbaciones en la economía externa tienen efectos diferenciados sobre las variables
locales; por un lado, expanden la producción agregada y las exportaciones. Por el otro, se
incrementa la tasa de interés interna, ocasionando de esta forma que el consumo agregado esté
por debajo de su estado estacionario (crecimiento a largo plazo con tasas de crecimiento
constantes) para retornar a él después del décimo período.
n) Impacto de la eliminación de los CAT y del otorgamiento de otros incentivos de política comercial:
Un análisis cuantitativo de EGC
En este trabajo se pretende analizar, de una forma cuantitativa, el impacto potencial que la eliminación
del Certificado de Abono Tributario (CAT) costarricense tendría sobre la producción, el empleo y la
generación de ingreso. Complementariamente, se busca determinar los posibles impactos de otros
instrumentos como los impuestos a las exportaciones y las tarifas a las importaciones --en su papel de
incentivos de política comercial-- para compensar la eliminación de los CAT y consecuentemente evitar
los efectos negativos en el comercio de la eliminación de los CATs.
El uso de un MEGC se justifica debido a que en Costa Rica, según el autor, los análisis que se han
realizado no dan cuenta de los distintos impactos que tiene una política de facilitación o estimulo del
comercio tiene de manera simultánea, es decir, dichos trabajos son en esencia análisis de equilibrio
parcial. Las metodologías utilizadas en trabajos previos no permitirían saber de manera razonable qué
sucedería al dejar de otorgar los CAT en términos de sus efectos sobre la economía, por lo que se vuelve
necesario realizar un análisis de equilibrio general. De acuerdo al autor lo único que se puede anticipar a
ciencia cierta de esa medida de eliminación del CAT era únicamente que a nivel fiscal, el efecto podría
ser positivo y que el fisco dejaría de "otorgar" trasferencias de dinero importantes; además se podía
prever un efecto negativo para la producción de exportación sin llegar a medir o anticipar sus efectos en
la producción, empleo, etc. De acuerdo a Sánchez (2000) el uso de un MEGC se justificaba porque en
Costa Rica, los análisis realizados no consideran todos los efectos simultáneos de las medidas de política
comercial en la producción por sectores productivos, en el empleo por categorías, y el ingreso de las
familias, lo cual si puede ser logrado con un MEGC.
Según el autor, un MCEG es una herramienta rigurosa de análisis a través de la cual la interacción
simultánea de los diferentes mercados y actores económicos puede ser simulada y obtener
estimaciones precisas de los impactos de una o varias medidas de política.
El MCEG que se utilizó en el análisis está calibrado a la MCS de Costa Rica 1991. No obstante esa
“antigüedad” de la MCS, el autor la considera totalmente válida en la medida que no ha habido cambios
radicales en la estructura productiva del país entre 1991 y el 2000 (periodo de análisis de la
68
investigación); por tanto, la MCS de 1991 refleja la estructura productiva de Costa Rica. Lo que sí se hace
en el modelo es calcular parámetros (elasticidades) de comercio con información reciente.
El tipo de simulación que se hizo con el MCEG fue de tipo contrafactual, en donde se simuló qué
hubiese sucedido si en el año base, no se hubieran otorgado CAT. Esto permitió por un lado, conocer los
efectos de la eliminación de los CAT sobre la producción, el empleo y el ingreso; y por otro, manipular
otros instrumentos de política comercial para tratar de simular los efectos de medidas de política de
compensación del efecto de la eliminación de los CAT.
En efecto, el uso del MEGC permitió desarrollar con bastante flexibilidad y consistencia, simulaciones de
política para determinar posibles impactos de la eliminación de los CAT sobre el sector productivo, el
empleo y la generación de ingresos. Según el autor, queda claro que tal medida implica un desincentivo
a la producción, principalmente en los sectores agrícolas e industriales, sin dejar de lado efectos sobre el
resto de los sectores productivos de la economía. Se determinó que, dado una caída en la producción, la
demanda de trabajo se reduciría y ello implicaría un incremento en el desempleo. Por otro lado, el
menor dinamismo económico marcado por un desincentivo a la producción y el incremento del
desempleo se reflejaría en disminuciones de las ganancias de las empresas del sector privado, así como
de los ingresos del gobierno, las empresas mismas, y las familias.
Como se mencionó antes, además de analizarse el impacto de la eliminación de los CAT, el estudio
también examina el posible impacto que tendrían medidas de política comercial para compensar el
efecto de la eliminación de los CAT. Específicamente, se consideraron dos escenarios en los cuales se
disminuyeron respectivamente las tarifas a las importaciones y los impuestos a las exportaciones. La
disminución de tarifas no mostró ser una medida efectiva para compensar la eliminación de los CAT
dado que Costa Rica presenta una dependencia de las importaciones y ello afectaría la producción hacia
la baja con los consiguientes efectos negativos en el empleo, ingresos, impuestos, etc. Por otro lado, la
reducción de los impuestos a las exportaciones, mostró ser una medida compensatoria importante. La
disminución del impuesto a las exportaciones compensa parcialmente los efectos negativos sobre la
producción, el empleo, las ganancias empresariales y los ingresos (con excepción de una caída en el
ingreso del gobierno dado que el mismo tendría una reducción en el ingreso fiscal).
o) Acuerdo de Asociación Centroamérica – Unión Europea: Evaluación utilizando Equilibrio General
Computable y Equilibrio Parcial
Este estudio surgió con el fin de proveer estimaciones del impacto del posible Acuerdo de Asociación
entre Centroamérica y la Unión Europea.
El trabajo menciona que después de la firma del CAFTA-DR, a mediados de los años 2000, los
negociadores de cada país centroamericano centraron su interés en negociar un acuerdo comercial con
la Unión Europea para obtener la mayor liberalización posible y favorable a los intereses nacionales y
comunitarios de la subregión. En respuesta al amplio debate generado, y a fin de proporcionar
elementos para la toma de decisiones a las autoridades y negociadores, particularmente entregar
algunos resultados prácticos relevantes a los negociadores, se planteó la necesidad de realizar un
ejercicio de medición de los posibles efectos del Acuerdo de Asociación en negociación. Para el estudio
se utilizó un MEGC desarrollado por la Universidad de Perdue —modelo GTAP— y su base de datos
asociada, así como una metodología de equilibrio parcial. El modelo GTAP (Global Trade Analysis
69
Project) contiene un MEGC y una base de datos multi-pais con datos del comercio bilateral que puede
ser usado para realizar estimaciones de los efectos de las medidas de política comercial entre dos o más
países29.
El MEGC GTAP facilita la realización de simulaciones de cambios en las tarifas arancelarias y no
arancelarias para medir los impactos de las medidas de política comercial que se tomen en el marco de
un ALC negociado. Para la realización de los escenarios simulados se consideró las sensibilidades
comerciales tanto para América Central como para la Unión Europea. Los escenarios diseñados son: a)
liberalización completa; b) liberalización con la exclusión de todos los productos sensibles; y c)
liberalización con la exclusión única del grupo ‘Frutas y Vegetales’, únicamente por parte de la Unión
Europea. Dada la imposibilidad de obtener resultados específicos para El Salvador y Honduras, no
incluidos separadamente el base y modelo GTAP, el estudio se complementó con la metodología de
Equilibrio Parcial a partir de los flujos comerciales bilaterales conocidos para estos países y el resto de
los incluidos en el estudio —Costa Rica, Guatemala y Nicaragua. Los MEGC necesitan información adhoc para su calibración y realización de simulaciones, esta es la matriz de contabilidad social que se
construye con la matriz de insumo producto y encuestas de hogares y otra información que permite
ampliar y detallar la información y mantener la consistencia o “equilibrio” contable. Dado que no todos
los países centroamericanos, ni la base de datos de GTAP a la fecha de realización de la investigación,
cuentan con dicha MCS, el MEGC no puede utilizarse para todos los países en tanto no cuenten con la
mencionada MCS. Es importante mencionar que los MEGC son modelos matemáticos de optimización
(no es de naturaleza econométrico) y dada la naturaleza de las relaciones entre precios y cantidades,
requiere también información sobre las elasticidades de sustitución de bienes y factores de producción,
las cuales deben ser estimadas de manera separada, u obtenidas de otros estudios, para luego incluirlas
dentro de los parámetros que requiere el modelo para realizar la calibración y las simulaciones.
Los resultados indicaron que en términos generales una liberalización completa de todas las líneas
arancelarias resulta favorable al expandir las exportaciones de todos los países incluidos en el acuerdo,
siendo especialmente beneficiada la categoría de ‘productos agropecuarios’ y en alguna medida las
‘manufacturas livianas’. En términos de bienestar, una liberalización plena arrojaría aumentos para
todos los países negociadores, debido sobre todo a mejoras en los términos de intercambio por mejores
precios de las exportaciones de productos agropecuarios, especialmente ‘Frutas y Vegetales’, ‘otros
cultivos’ y algunas manufacturas. Como era de esperar, el escenario que excluye los productos sensibles
arrojo los peores resultados con alzas pequeñas en los intercambios comerciales de un 1.2%. Si la Unión
Europea excluye ‘Frutas y Vegetales’, se mantienen resultados positivos en comercio y producto,
aunque en magnitudes inferiores al escenario de liberalización completa. En el escenario que excluye
bienes sensibles se producen pérdidas de bienestar debidas a empeoramiento de los términos de
intercambio y pérdidas de eficiencia en el uso de los factores.
Los resultados obtenidos en las simulaciones de equilibrio parcial entregaron información adicional
sobre el tipo de productos mayormente beneficiados con la liberalización, básicamente productos
agrícolas como banana, piña, limón, naranja, nueces, y camarones, entre otros. De igual manera, los
hallazgos corroboraron la presunción que las mayores ganancias se producen cuando se elimina los
niveles de protección arancelarias y para arancelarias. En cuanto a las medidas de aumentos de
29
Para ver detalles de este proyecto, consultar página web: https://www.gtap.agecon.purdue.edu/databases/v8.
70
bienestar, al igual que en los hallazgos de las simulaciones con el MEGC, Costa Rica aparece como la
mayor beneficiaria del grupo.
Es importante señalar que las simulaciones realizadas encuentran que la Unión Europea no reflejaría
pérdidas en ninguno de los escenarios (simulaciones). Esta información es de gran importancia para los
negociadores; en base a esta, los negociadores podrían solicitar a la Unión Europea más flexibilidad a la
hora de acordar los términos del acuerdo de asociación.
Finalmente debe mencionarse una característica que vale la pena señalar respecto a este estudio. Es el
hecho de utilizar un software prediseñado por el proyecto GTAP de la Universidad de Perdue de los
Estados Unidos que puede permitir a los funcionarios y analistas de los países centroamericanos el
acceso al análisis mediante un MEGC que se especializa en cuantificar los impactos de un ALC en las
economías. La limitación es que la base de datos de GTAP no incluye información desagregada de todos
los países centroamericanos. El GTAP permite, analizar mediante el MEGC prediseñado, los impactos de
un ALC en las económicas centroamericanas pero a nivel de bloque ya que su base de datos no cuenta
con datos individuales de los todos los países. Trejos (2009) hace un buen resumen de esta herramienta
en cual transcribimos aquí.
El caso del GTAP: estimación de MEGC con pocos recursos
El Global Trade Analysis Project (GTAP)17 es una red internacional de instituciones e investigadores que
facilita y promueve el análisis de políticas comerciales en un contexto global (en todos los países del
mundo). El principal objetivo del GTAP es proveer bases de datos actualizadas sobre comercio
internacional bilateral, costos de transporte y protección de las importaciones en conjunto con tablas de
insumo-producto para países y regiones particulares. El GTAP también tiene un MEGC propio, que se
puede utilizar para análisis estáticos de escenarios que involucren varias regiones y varios sectores
productivos. Este modelo es particularmente útil para analizar los efectos de políticas comerciales y los
patrones de producción y comercio en el mediano y largo plazo, en un contexto global. La base de datos
del GTAP cuenta con 57 sectores productivos y 87 regiones (con algunos países pequeños que aparecen
como parte de una región, en vez de individualmente). Para cada acuerdo comercial estudiado se puede
utilizar una agregación especial…Marco teórico. El caso estándar del GTAP es un modelo de equilibrio
general neoclásico, en el que los consumidores y productores maximizan su utilidad y ganancias,
respectivamente. Los precios sirven para equilibrar los mercados de manera simultánea y las
identidades contables aseguran tanto el equilibrio general, como que los recursos primarios disponibles
sean plenamente utilizados. La demanda agregada se modela por medio de un hogar regional
representativo, que maximiza su utilidad mediante una función Cobb-Douglas, y asigna su gasto total en
fracciones constantes hacia el consumo privado, el gasto público y el ahorro. Esta estructura permite
obtener directamente un indicador del bienestar social a partir de esta función, que toma en cuenta las
tres fuentes de utilidad. A su vez, el comportamiento del consumo privado de los hogares se modela
mediante una función de utilidad Stone-Geary. En principio, esta función se calibra con los valores de
subsistencia iguales a cero. Esta especificación permite derivar una clara relación analítica de
maximización intertemporal entre consumo y ahorro. La oferta agregada se deriva a partir del
comportamiento de empresas que maximizan sus ganancias, bajo un supuesto de agente
representativo. Aplicación práctica. En el caso de los países del Istmo Centroamericano, existe una
limitación metodológica porque se les contempla como un bloque dentro del GTAP, y sólo permite
realizar ejercicios desagregados con los impactos detallados para algunos de los países de esta
71
subregión. Sin embargo, recientemente muchos de los países han sido desagregados de la base global
del GTAP, por lo que se cuenta con los datos de los siguientes países comprendidos en este estudio
dentro del MEGC y la base de datos del GTAP: Costa Rica, Ecuador, Honduras, Nicaragua y Paraguay.
Esto implica que ya se pueden realizar diversos análisis de política comercial a nivel desagregado para
cada uno de estos países. Los MEGC se han utilizado para poco más que estimar el incremento de la tasa
de crecimiento de la producción como consecuencia de un ACR, y usar ese número para argumentar las
bondades (o carencia de ellas) del acuerdo, como parte del debate pre-aprobación. La riqueza de
información de los resultados es mucho más amplia, y tanto o más útil en el seguimiento a la
implementación del ACR, que como argumento para decidir sobre su ratificación.
72
IV. PRIORIZACIÓN DE L AS PRINCIPALES METO DOLOGÍAS EXISTENTES
Los términos de referencia de la presente consultoría plantean como punto de partida, las siguientes
interrogantes:
1. ¿Cómo ha contribuido la firma del Tratado General y del Protocolo de Guatemala a dinamizar el
comercio intrarregional? El Tratado General se firmó en 1960 y 1961 por Guatemala, Honduras, El
Salvador, Nicaragua y Costa Rica. Panamá se encuentra en proceso de incorporación definitiva a la
región.
2. ¿Es posible cuantificar o medir los beneficios de la integración económica centroamericana y el aporte
del comercio intrarregional a las economías de cada uno de los países (Costa Rica, El Salvador,
Guatemala, Honduras, Nicaragua y Panamá)?
Sin embargo, para lo fines operativos de la presente consultoría y con el fin de alcanzar los productos y
resultados esperados contenidos en los términos de referencia, se persigue atender metodológicamente
la siguiente interrogante:
¿Cuál es el impacto y canales de transmisión del comercio intrarregional en las economías de
Centroamérica?
Para responder a la interrogante anterior, el primer paso previsto en esta consultoría es la revisión del
estado actual del conocimiento en la literatura especializada, para identificar las diferentes alternativas
metodológicas utilizadas para medir el impacto de políticas económicas o choques experimentados en
variables económicas en la dinámica económica. Como era de esperar, todos los estudios utilizan
metodologías econométricas, las cuales pueden clasificarse en tres grupos: modelos uniecuacionales
(MUE), modelos de ecuaciones simultaneas (MES) y modelos de equilibrio general computable (MEGC).
De los 15 estudios consultados en la sección III solo cuatro estudios incluyen dentro de sus objetivos
explícitos la identificación de mecanismos de transmisión. Sin embargo, todas las metodologías tienen la
habilidad o capacidad de realizar dicha identificación en la medida que la econometría tiene como
objetivo precisamente cuantificar la proporción en que el comportamiento de una variable económica
explica el comportamiento de otras variables de acuerdo a los postulados teóricos (por ejemplo, la
teoría del comercio internacional según la cual el comercio impacta positivamente en el crecimiento
económico). Los cuatros estudios aludidos utilizan una enfoque MEP, el cual no se considera apropiado
para la estimación del impacto del comercio en las económicas ni para la evaluación del impacto de
medidas de política económica comercial en el sentido descrito en la sección II.C.
La diferencia fundamental entre las metodologías econométricas básicamente estriba en si se
consideran, no solo los impactos directos, sino también los impactos indirectos y los de segunda vuelta
(dinámicos). Esta distinción es de gran importancia para escoger las metodologías más apropiadas para
medir el impacto del comercio en las economías centroamericanas, en particular porque los efectos del
comercio se dan a través de mecanismos (tales como la tecnología, la competencia y la inversión) que
toman tiempo en producirse y además impactan en diferentes sectores a la vez. Este requisito de
selección apunta a que los modelos uniecuacionales no son apropiados ya que hacen un análisis de
equilibro parcial, es decir, solo consideran los efectos directos de las medidas de política comercial o de
73
las variaciones de los flujos comerciales. Los estudios analizados que usan MEP no reportan la
realización de pruebas de endogeneidad en las variables de las ecuaciones especificadas y estimadas lo
que puede significar que la cuantificación de las relaciones de las variables de comercio internacional
con otras variables no son las más aceptables o apropiadas. Como se discutió en la sección II.C las
metodologías más apropiadas y recomendables para cuantificar el impacto del comercio en las
economías son las que consideran la simultaneidad de las relaciones entre las variables del comercio
internacional y el crecimiento económico. Como se aprecia en el Cuadro 2, de 15 estudios revisados solo
5 (una tercera parte) utiliza modelos de equilibro parcial o uniecuacionales (MUE) 9 usan MES.
Cuadro 2. Metodologías de medición de impacto económico e identificación de mecanismos de
transmisión.
Estudio
revisado
Secc. III
a)
Metodología (*)
MUE
Medición
impacto

Identificación
mecanismos
transmisión

Problemas/
Desventajas
No simultaneo
Ventajas
Modelo
teórico
(**)
D
Simple y fácil
manejo
b)
MUE

©
No simultaneo Simple y fácil
C
manejo
c)
MUE

©
No simultaneo Simple y fácil
C
manejo
d)
MUE
©

No simultaneo Simple y fácil
D
manejo
e)
MUE

©
No simultaneo Simple y fácil
C
manejo
f)
MES

©
Datos
Simultaneo,
D
+preciso
g)
MES

©
Datos
Simultaneo,
D
+preciso
h)
MES
©
©
Datos
Simultaneo,
D
+preciso
i)
MES,

©
Datos
Simultaneo,
D
VECM
+preciso
j)
MUE, MES

©
Datos,
Simultaneo,
A –D
, MEGC
complejo
+preciso
k)
MEGC

©
Datos,
Simultaneo,
D
complejo
+preciso
l)
MEGC

©
Datos,
Simultaneo,
D
complejo
+preciso
m)
MEGC

©
Datos,
Simultaneo,
D
complejo
+preciso
n)
MEGC

©
Datos,
Simultaneo,
B
complejo
+preciso
o)
MEGC

©
Datos,
Simultaneo,
A,B
complejo
+preciso
Notas. (*) MUE: Modelo uniecuacional; MES: modelos de ecuaciones simultaneas; MECG: equilibrio general. (**)
A: Comercio-Crecimiento; B: política comercial-crecimiento; C: Modelo gravitacional; D: Política macroeconómicacrecimiento/inflación. © Tiene capacidad de medir impacto e identificar mecanismos de transmisión pero el
estudio no tiene explicito este propósito.
74
Es importante notar que de los 5 estudios que utilizan los MUE, tres aplican el Modelo Gravitacional del
Comercio, el cual en realidad no se utiliza para analizar los efectos económicos del comercio, sino
estimar el nivel del comercio que debería darse en un país con respecto a otros dadas las características
de cercanía y tamaño de los países, con el fin último de discernir que tanto pueden los países aumentar
el comercio. El supuesto implícito aquí, por parte de los analistas, es que a mayor comercio mayor
crecimiento económico y, al dar por descotado esta proposición, se dedican a analizar si es posible
aumentar las exportaciones e importaciones entre los países de la región centroamericana los
resultados indica que existe un buen espacio para incrementar los niveles de comercio intra y
extrarregional.
Uno de los dos estudios restantes que usa MUE señala expresamente que eligió esta metodología por la
falta de información –se asume entonces que de haber contado con suficiente y adecuada información
la elección habría sido una metodología tipo MES o MEGC. Esto refleja una clara preferencia por los
MES.
El último de los 5 estudios, no tiene por objetivo explícito analizar el impacto del comercio en las
economías sino ilustrar la técnica de datos de panel para estimar el impacto de las variables o políticas
económicas –entre las que se encuentran los flujos comerciales y la política comercial. En otras palabras,
todos los 5 estudios que usan MUE, no tienen el propósito de medir el impacto de la del comercio en el
crecimiento. En base a lo anterior, las metodologías que utilizan MUE no son los más recomendables
para medir el impacto del comercio internacional en las economías, no obstante que como se desprende
del Cuadro 2, sean los más simples, manejables, y entendibles o intuitivos ya que no incluyen la
complejidad de ecuaciones que se deben manejar en el caso de las metodologías que aplican MES y
MEGC.
Otro aspecto que tiende a afectar la medición de impacto mediante la aplicación de MUE es el problema
de causalidad. Existe evidencia empírica de que la causalidad entre comercio y crecimiento económico
es bidireccional. Como se discutió en este informe, Sims (1980), Fernández y Pérez (s/a) y Cankarahasan
(2009) consideran que los modelos MUE y MES en muchas ocasiones no han sido bien especificados de
modo que las relaciones de causalidad no son adecuadas y por tanto las mediciones de los impactos de
unas variables sobre otras pueden ser incorrectas, y esta posibilidad vuelve escépticos a algunos analista
sobre el impacto positivo del comercio en el crecimiento de las economías analizadas. Por esta razón
Sims propuso tratar a las variables tradicionalmente agrupadas en dependientes (explicadas o
endógenas) e independientes (explicativas o exógenas) de igual manera, lo cual dio lugar a la
formulación de las técnica de vectores autorregresivos donde todas las variables son endógenas y
exógenas a la vez. Esta técnica econométrica puede considerarse una especie de modelo MES ya que
contiene varias ecuaciones que se resuelven simultáneamente, pero a diferencia de los MES no
requieren un modelo teórico. Se considera que los VAR pueden arrojar mejores resultados que los MES,
sin embargo tienen la desventaja de la dificultad de interpretar los coeficientes de las variables para
realizar análisis de impacto.
Por otro lado, la técnica de datos de panel utilizada en uno de los estudios consultados, considero
además el problema de la simultaneidad de las variables económicas y utilizo la técnica VAR, aunque no
utilizo el procedimiento de corrección de errores. Es importante mencionar que Ching, Hsiao y Ki Wan
(2010) proponen una técnica para usar datos de panel con un contrafactual para evaluar el impacto de
75
una política de integración económica, la cual aplicaron al caso de Hong Kong y China a propósito de su
integración política.
Otra debilidad de las metodologías MUE es que con dichos modelos solo se puede hacer una medición
de impacto “antes-después” usando las mismas unidades de observación (variables económicas
consideradas endógenas y exógenas). Pero esta es la metodología menos robusta -más débil- del
abanico de métodos existentes para medir el impacto de una policita económica. En materia de
comercio internacional el contrafactual (lo que habría ocurrido sin la política comercial X) se conforma
con los mismos individuos o unidades de observación o variables económicas antes-después de la
implementación de la política. El impacto se calcula como la diferencia entre los valores promedios
observadores antes y después de la política. El supuesto clave para que esta metodología mida
correctamente el impacto es que no puede haber ningún otro factor que haya afectado la variable de
interés (p.e. el crecimiento económico). En la mayoría de casos este supuesto no se cumple ya que,
como hemos visto, en la realidad el crecimiento económico es afectado por diversidad de factores
distintos a la política comercial como se mostró en la Figura 1.
A diferencia de los MUE, los MES y los MEGC son metodologías que explicativamente toman en cuenta
la simultaneidad de los efectos de las medidas de política económica y de los choques externos. Esta
ventaja de los modelos MES y MEGC se refleja en la preferencia de los investigadores cuyos trabajos
fueron revisados y sintetizados en la sección III. De quince estudios revisados para elaborar este
informe, 9 utilizaron estos modelos, evidenciando una clara preferencia por estos modelos a la hora de
medir el impacto del comercio o de otras políticas económicas o choques externos en la dinámica de las
economías. Sin embargo, no todos los estudios tuvieron como propósito evaluar el impacto de una
medida de política comercial o de un acuerdo o estrategia comercial. Es importante también agregar
que los MEGC tienen importantes limitaciones por la información especializada que requieren la cual no
está siempre disponible así como por la sensibilidad de sus resultados antes diferentes supuestos que
hagan los analistas.
Para efectos de la presente consultoría y en particular del presente informe, es importante dejar claro
que definitivamente estos modelos son los más idóneos para medir dicho impacto ya que permiten
realizar simulaciones (contrafactuales) contra los cuales comparar el comportamiento observado de las
variables económicas de interés, afectadas por medidas de política económica o choques externos
pasados o futuros –entre estos últimos los ALC o medidas de integración económica regional. En estos
modelos, el impacto de una política simulando lo que habría sucedido si no se implementa la
intervención (medida de política o choque externo).
Si el modelo ha sido correctamente especificado y estimado, y por lo tanto reproduce el conjunto de
datos observados, entonces se introduce la intervención mediante la sustitución de los valores
observados en una determinada variable de interés (bajo análisis de impacto) por los valores que
representan a la intervención o choque –por ejemplo, una reducción de precios de las importaciones o
una reducción de precios externa, ajena a la política económica de los países. El impacto será
simplemente la diferencia entre el valor observado de la variable de resultado bajo análisis –p.e. la tasa
de crecimiento económico- y el valor obtenido luego de estimar el modelo con los datos que
representan la intervención. El supuesto importante para que esta medición de impacto sea correcta es
que los parámetros o coeficientes de las ecuaciones estimadas sean estables.
76
No obstante las notables ventajas de estimación para medición de impacto de los MES y MEGC, que los
vuelve superiores en comparación con los MUE, y como se refleja en el Cuadro 2, preferidos por los
analistas para realizar simulaciones y medición de impactos de política económica y choques externos,
tienen algunas desventajas que posiblemente incidan en su utilización masiva. Estas desventajas son:
Complejidad: requieren la especificación de numerosas ecuaciones si la desagregación de
sectores económicos o agentes económicos no es trivial.
Debido a lo anterior, son muy intensivos en el uso de información, la cual no siempre está
disponible. Por ejemplo, los MEGC requieren de la matriz de I-P y de la matriz de contabilidad
social la cual no es parte de las estadística periódicas producidas por los organismos de
contabilidad nacional de los países (estas matrices requieren de información no solo de la MIP
sino también de encuestas de hogares, de categorías de salarios, distribución del ingreso de los
hogares e impuestos sobre la renta o patrimonio pagados por los agentes económicos).
Los MEGC son sensibles a los parámetros de elasticidad de sustitución de bienes y factores, los
cuales deben estimarse de forma separada y posteriormente incluirlos en las ecuaciones de
demanda o de oferta. Lo cual puede dar lugar a la crítica de los resultados (el mismo set de
información puede conducir a resultados muy diferentes).
Requieren conocimientos sólidos sobre programación
Los modelos de equilibrio general computable no son muy transparentes en el sentido que no incluyen
toda la información sobre cómo se eligieron los parámetros, ecuaciones y variables del modelo. Valdés
(1994) señala, citando a un trabajo sobre MES, que los resultados de estos modelos (pero también los
MEGC) parecen salidos de una caja negra: “sólo los autores de los modelos, y quizás unos pocos
investigadores, entienden todos los ingredientes”.
La revisión del estado actual del conocimiento sobre medición del impacto del comercio en las
economías centroamericanas nos indica que el orden de prioridad de los modelos sobre la materia, si se
tienen en cuenta las limitaciones de los potenciales analistas o investigadores en términos de
información, capacitación y, quizás más importante, tiempo y recursos presupuestarios, son las
metodologías que utilizan ecuaciones simultaneas. Estas requieren relativamente menos información
que los MEGC (estos requieren p.e. la MCS que exige un conocimiento especializado para su
construcción e información que no siempre está disponible). Los MES, si bien requieren información en
cantidad importante, esta es más fácil de obtener o producir. Los MES sin embargo presentan la
dificultad de identificación y correlación de las variables explicativas con los errores de estimación de las
ecuaciones.
Los problemas de endogeneidad o simultaneidad no se presentan en el caso de los Vectores
Autorregresivos (VAR) y los Vectores Autorregresivos con Corrección de Errores (VECM por sus siglas en
inglés) debido a que todas las variables sujetas a análisis cuantitativo se consideran endógenas
exógenas a la vez como se discutió en el apartado II.C.
Las principales ventajas de los VAR y VECM son:
1) Método simple, donde todas las variables son tratadas por igual: todas son endógenas y exógenas a
la vez. Esta característica es muy importante a la hora de elegir una metodología de estimación
cuando se sabe anticipadamente que las variables que se analizaran son muy probablemente
77
2)
3)
4)
5)
6)
7)
8)
determinadas simultáneamente, como es el caso de las relaciones entre las variables de comercio
internacional y crecimiento económico.
Estimación simple. Incluso puede aplicarse mínimos cuadrados ordinarios a cada ecuación por
separado.
Las predicciones obtenidas pueden ser mejores que las de los MES
Son inmunes a la crítica de las relaciones “espurias” de las variables económicas al considerar
únicamente las variables que están relacionadas a largo plazo (variables cointegradas).
Permiten incluir el tema de la causalidad o mecanismo de transmisión entre las variables.
Las estimaciones pueden ser mejores que la de los MES ya que consideran las relaciones de corto y
largo plazo de las variables del sistema de ecuaciones simultaneas.
Modelo supera los problemas de información teórica insuficiente necesaria para especificar las
ecuaciones econométricas, pues elimina el problema de identificación que tienen los MES puros.
Respuesta de la variable dependiente a shocks en los términos de error durante diversos periodos
en el futuro.
Las principales desventajas de los VAR son:
1) Dificultades para determinar el rezago apropiado.
2) Se requieren muchas observaciones dado el uso de rezagos de todas las variables
3) Los coeficientes de regresión pueden resultar difíciles de interpretar.
No obstante las desventajas de los VAR y VECM, esta metodología es muy utilizada dada sus
ventajas sobre los MES y MEGC en términos del buen desempeño que muestran en explicar la
realidad económica de los países y variables económicas que presentan altos grados de
endogeneidad y en ausencia de suficiente información teórica para especifica las ecuaciones de
regresión. Por todas las ventajas anteriores los VECM han adquirido notoria popularidad entre los
analistas, en particular para determinar la causalidad y mecanismos de transmisión del comercio en
las economías. Por ejemplo, Kahya (2011), Abbas (2012) y Rahmaddi (2011) implementan
metodologías con VECM para analizar el impacto del comercio y los canales de trasmisión o
causalidad entre las variables de comercio y crecimiento económico. La mayoría de resultados
confirmar el impacto positivo del comercio internacional en el crecimiento al igual que la causalidad
del impacto desde el comercio a la dinámica económica.
La priorización de las metodologías y/o técnicas para la medición del impacto del comercio en las
economías centroamericanas sería entonces:
En primera prioridad:
Segunda prioridad:
Tercera prioridad:
Cuarta prioridad:
VAR o VECM (esta técnica puede utilizar series de tiempo o datos de panel).
Datos de panel (esta técnica puede usarse con VAR o VECM)
MES
MEGC (podría planificarse su adopción en el mediano plazo).
78
V. CONCLUSIONES Y RECOMENDACIONES
Las metodologías más apropiadas para medición del impacto de una política comercial en el crecimiento
económico en los países de la región puede hacerse utilizando dos enfoque alternativos que pueden
incluso ser complementarios. En primer lugar, la más rigurosa es la metodología cuasi experimental que
establece dos grupos de comparación denominados de “control” y “tratamiento”. En el caso de los
países, habrá que definir dos grupos de países, La condición es que los países sean muy similares en
todas las características que afecta a las variables de estudio (comercio y crecimiento). Si se logran
establecer estos dos grupos la medición del impacto de una política economía simplemente es la
diferencia entre los valores promedio de la variable objetivo de los dos grupos. La segunda metodología
es la que aplica el enfoque ‘antes-después”. Esta requiere estimar un modelo econométrico que
explique la variable objetivo de manera robusta en un periodo anterior a la intervención de política
económica; este modelo, una vez estimado, se emplea para “proyectar” la variable objetivo. El impacto
se mide simplemente como la diferencia entre los valores proyectados y los valores observados o
realmente obtenidos de la variable objetivo. Dada la complejidad y simultaneidad de las relaciones entre
los agentes y variables económicas que tienen que ver con la relación comercio-crecimiento económico,
las metodologías de medición de impacto para ser consideran lo más exactas posibles, requieren
cumplir al menos dos requisitos: 1) que recojan la simultaneidad de los efectos de la política comercial y
del comercio internacional en las economías; que permitan contar con un contrafactual creíble para
obtener mediciones de impacto robustas; y 2) que sean lo más parsimoniosas posible en términos de
uso de información, tiempo y presupuesto.
Las investigaciones consultadas que analizan el tema comercio-crecimiento en la región
centroamericana no tienen dentro de su objetivo realizar una medición de impacto o evaluación de
política económica como la descrita en el párrafo anterior. Todas las investigaciones utilizan
metodologías econométricas para estimar o cuantificar los efectos de las relaciones entre las variables
económicas relacionadas con el comercio y la dinámica de la economía pero sin llegar a realizar una
evaluación de política.
El grupo de metodologías que presenta las mayores ventajas porque considera la importante
simultaneidad o endogeneidad de las variables de comercio internacional y de crecimiento económico,
así como por su flexibilidad o facilidad para especificar las ecuaciones del sistema econométrico es la
que implementa la técnica de VAR o VECM. En la literatura consultada sobre comercio internacional en
la región centroamericana se encontró la utilización de tres tipos de métodos que incluyen
metodologías de equilibrio parcial y general: los VECM (VAR con corrección de errores), los MES y los
MEGC. De estos, el que menos restricciones aplica es el método VECM, le sigue el MES y finalmente el
MEGC.
Si los analistas que usaran las metodologías de medición de impacto del comercio en el crecimiento
económico fueran son oficiales de los ministerios a cargo del comercio (MCC), entonces la metodología
VECM sería la más adecuada. Si algún organismo multilateral adopta la responsabilidad de proveer a los
MCC de asistencia técnica para analizar el impacto del comercio internacional en el crecimiento
económico entonces además del VECM pudiera considerarse trabajar con los MES. Los MEGC podrían
entrar en el escenario siempre que se planifique su adopción y por supuesto sea patrocinado por un
79
organismo internacional ya que dichos modelos requieren de dedicación, uso de importante tiempo que
no siempre está disponible, y la obtención o preparación de información para su calibración y
estimación. Una vez iniciados los países en el uso de estas metodologías se deberá dar seguimiento a
los modelos tanto para su actualización como para uso oportuno y apropiado en la toma de decisiones
relacionadas políticas comerciales en la región.
Todos estos modelos, permitirían medir el impacto de la política comercial, del comercio internacional,
el comercio intrarregional y los choques externos en el crecimiento de las economías, así como sobre
otras variables macroeconómicas clave. La elección de una de las metodologías debe considerar la
producción oportuna de la información necesaria para actualizar las estimaciones según se establezca
para informar la toma de decisiones.
La recomendación que surge de la discusión presentada en este informe es la aplicación de las
metodologías de VECM (VAR con corrección de errores) y como complemento aplicar la técnica de datos
de panel.
80
BIBLIOGRAFIA
1) Abbas, Shujaat (2012), Causality between Exports and Economic Growth: Investigating Suitable
Trade Policy for Pakistan, Eurasian Journal of Business and Economics 2012, 5 (10), 91-98.
2) Arias, Eilyn y Carlos Torres (2004), Modelos VAR y VECM para el pronóstico de corto plazo
3) de las importaciones de Costa Rica, Banco Central, Documento de Investigación DIE-01-2004-DI,
San José, Costa Rica.
4) Alesina, A., and R. Wacziarg, 1998, “Openness, Country Size, and Government,” Journal of Public
Economics, Vol. 69, No. 3, pp. 305–321
5) Álvarez, Mariano et all (2008),Acuerdo de Asociación Centroamérica – Unión Europea:
Evaluación utilizando Equilibrio General Computable y Equilibrio Parcial, CEPAL, Documento de
Proyecto.
6) Aquino, Luis y Carlos Sanabria (2007), Modelo Macro econométrico de Pequeña escala para El
Salvador, Banco Central de El salvador, Documentos Ocasionales No. 2007 – 03
7) Arellano, Manuel and Stephen Bond, (1991), "Some Tests of Specification for Panel Data: Monte
Carlo Evidence and an Application to Employment Equations," Review of Economic Studies, 58,
277-297.
8) Balassa, Bela (1980), Teoría de la Integración Económica, Primera Edición, Uteha, Mexico.
9) Ricardo, David (1974), "Are Government Bonds Net Wealth?" [Son riqueza neta los bonos del
gobierno?],Journal of Political Economy (Vol. 82, No. 6. (Nov. - Dec., 1974), pp. 1095-1117
10) Barrot, Diego; Stephanie Medina y, Andrew Swiston (2012), Central America, Panama, and the
Dominican Republic: Trade Integration and Economic Performance, IMF Working Paper
11) Bello, Oknan (2007), Modelo Macro econométrico de Proyección de Corto Plazo para Nicaragua,
Banco Central de Nicaragua, Documentos de Trabajo.
12) Cankarahasan, Burhan(2009), Causal links between trade and economic growth. Evidence from
Turkey and EU countries, Istambul Bilgi University of Turkey.
13) Carrá, Beatriz et all (2002), Analisis Microeconomico. Equilibrio Parcial. Primera Edicion,
Ediciones Macchi, Buenos Aires.
14) Carrera, Feliz y Panigo (s/a), Una Medición de los Canales de Transmisión de las Fluctuaciones
Económicas. El caso de Argentina y los Estados Unidos, Centro de Asistencia a las Ciencias
Económicas y Sociales (UBA), Departamento de Economía (UNLP) y PIETTE (CONICET).
15) Ching, Steve; Cheng Hsiao y Shui Ki Wan (2010), A Panel Data Approach for Program Evaluation
— Measuring the Benefits of Political and Economic Integration of Hong Kong with Mainland
China, August 30, 2010. email: [email protected], H. Steve Ching, City University of Hong Kong,
Feng Chia University, Taiwan, email: [email protected], (c)Shui Ki Wan, Hong Kong Baptist
University, email: [email protected].
16) Dornbusch, Rudiger and Leslie Helmers EDITORS (1988), The Open Economy. Tools for
policymakers in developing countries. The World Bank, Oxford University Press.
17) Fernández, Adolfo y P. Pérez (sin año), ¿Integración o apertura comercial? Disparidad de los
efectos sobre el crecimiento, Working Paper 7th Volume, Número 6.
18) Flores Sarria, Alfredo Ibrahim (2013), Perturbaciones internas y externas en pequeñas
economías abiertas: un análisis de equilibrio general para el caso de Nicaragua (1994-2011),
Banco Central de Guatemala, Working Papers No. 127
81
19) Galindo, Miguel (2003), Modelos econométricos para los países de Centroamérica, CEPAL,
LC/MEX/L.581
20) Gámez, Oscar (2010), Modelo de Equilibrio General Computable para Nicaragua, Banco Central
de Nicaragua, Documento de Trabajo 02 – 2010, Managua.
21) García Núñez, Luis (2011), Econometría de evaluación de impacto, Pontificia Universidad
Católica del Perú, Economía Vol. XXXIV, N° 67, semestre enero-junio 2011, pp. 81-125
22) Gordillo, Marcelo; Aiga Stokenberga y Jordan Schwartz (2010), Understanding the Benefits of
Regional Integration to Trade: The Application of a Gravity Model to the Case of Central
America, Policy Research Working Paper 5506, Washington D.C.
23) Helpman, E., M. Melitz and Y. Rubinstein (2005): Trading Partners and Trading Volumes. March
31
24) Iraheta, Manuel (2008), Modelo macro econométrico Regional II, SECMCA, Documento de
Trabajo SECMCA II – 2612, San José, Costa Rica.
25) Iraheta, Manuel, Eduardo Espinoza y Armando Sánchez (2012), Modelo econométrico para el
crecimiento económico y la inflación en Centroamérica y República Dominicana. Documento de
Trabajo SECMCA 01-2012, San José, Costa Rica.
26) Kahya, Mustafa (2011), An analysis of the relationship between foreign trade and economic
growth in Turkey over the period 1980-2009, [email protected]
27) Khandker, Shahidur; Gayatri Koolwal y Hussain Samad (2010), Handbook on Impact Evaluation.
Quantitative Methods and Pactices World Bank, Washignton D.C.
28) Krugman, Paul R. y Maurice Obstfeld (1999), Economía Internacional. Teoría y Política, Cuarta
Edición, McGraw-Hill, México.
29) Larraín, Felipe y Jeffrey Sachs ( ), Macroeconomía en la economía global, 2003, Prentice Hall
30) Maddala, G. S. y Ellen Miller (1991), Microeconomía, McGraw-Hill, México
31) Organización Mundial del Comercio (2004), Informe Sobre el Comercio Mundial.
32) Rahmaddi, Rudy (2011), Export and economic growth in Indonesia: A causality Approach based
on Multi-variate Error Correction Model, Hiroshima University, Japan.
33) Rodriguez, R. y D. Rodrik (2001), Trade and economic growth. A skeptics guide to the crossnational evidence, NBER Macroeconomic Annual 2000, Vol. 15.
34) Sánchez, Marco V. (2009), Apertura comercial y pobreza en Centroamérica: logros y
desafíos,Revista de la CEPAL 98
35) Sánchez, Marco Vinicio (2000 ), Impacto de la eliminación de los CAT y del otorgamiento de
otros incentivos de política comercial: Un análisis cuantitativo de EGC, Economía y Sociedad,
No 14,
36) Sánchez León, Sarahí (2010), Crecimiento económico y comercio exterior de México en el marco
del tratado de libre comercio con américa del norte, TLCAN, 1994-2008. Tesis de Maestría en
Economía Aplicada, Tijuana B.C., México.
37) Sims, Christopher (1980), Macroeconomics and Reality, Econometrica, Vol. 48, No. 1, pp. 1-48.
38) Medina, Stephanie, Andrew Swiston, and Luis-Diego Barrot (2012), Central America, Panama,
and the Dominican Republic: Trade Integration and Economic Performance, IMF WP 12/234
39) Toledo, Wilfredo (2012), Una introducción a la econometría con datos de panel, Universidad de
Puerto Rico, Recinto de Río Piedras , Ensayos y Monografías , Número 152
40) Trejos, Alberto (2009), Instrumentos para la evaluación del impacto de acuerdos comerciales
internacionales. Aplicación a países pequeños de América latina, CEPAL, Serie Estudios y
Perspectivas 110, México D.F.
82
41) Variant, Hal R. (2010), Intermediate Microeconomics, A modern Approach. Eight Edition,
University of California at Berkeley, W. W. Norton & Company.
42) Walde, Klaus and Christina Wood (2004), The empirics of trade and growth: where are the policy
recommendations?. Directorate-General for Economic and Financial Affairs, The World Bank.
43) Villalobos, María (2010), Estimación del impacto de un Acuerdo de Asociación entre
Centroamérica y la Unión Europea: una aplicación de un modelo gravitacional de comercio para
el caso de Costa Rica, Universidad de Costa Rica, San José
ANEXOS
ANEXO 1. NIVELES DE INTEGRACION EOCNOMICA
LAS MEDIDAS DE COOPERACION COMERCIAL INTERNACIONAL
Una de las formas más eficaces de contribuir al crecimiento económico de los países consiste en
propiciar las relaciones de cooperación internacional en el comercio exterior. En efecto, como
señalábamos al hablar de las ventajas comparativas, incluso las economías más avanzadas obtienen
importantes beneficios como consecuencia de sus intercambios comerciales. Por esta razón, las medidas
de cooperación comercial entre los países constituyen uno de los fundamentos esenciales del sistema
económico mundial. Entre ellas podemos citar las siguientes:
ACUERDOS COMERCIALES Y ACUERDOS COMERCIALES PREFERENCIALES
Son tratados internacionales concluidos entre dos (bilaterales) o más países (multilaterales). Los países
se comprometen a desarrollar sus intercambios de bienes y servicios de acuerdo con ciertas normas que
establecen condiciones ventajosas para el comercio entre los países signatarios y suelen ir acompañados
de anexos que enumeran los productos o servicios sometidos a las condiciones del Acuerdo. Una
categoría especial de este tipo de acuerdos son los denominados Acuerdos comerciales preferenciales,
en los que se atribuyen, de forma exclusiva, importantes reducciones arancelarias, facilidades de acceso
a los mercados internos para las importaciones, exenciones fiscales o subvenciones financieras y, en
general, cualesquiera otras condiciones comerciales favorables
ZONAS DE LIBRE COMERCIO
Consiste en la instauración de la plena libertad de circulación de bienes y/o servicios entre dos o más
países que, sin embargo, mantienen sus políticas comerciales independientes con terceros países.
Constituye el primer paso en la integración comercial. La zona de libre comercio concede importantes
beneficios a los intercambios comerciales entre sus miembros al permitir que sus bienes y servicios
puedan acceder, sin ningún tipo de medidas proteccionistas, a los mercados de todos los países que la
integran. No obstante, este tipo de integración comercial regional presenta una significativa limitación,
pues sesga los flujos comerciales de los productos en beneficio del país que posee un arancel más bajo
para las importaciones procedentes de terceros países, ya que una vez se ha importado ese producto
podrá circular, sin ningún tipo de trabas aduaneras, entre todos los países que forman la zona. Ello
elimina, en buena medida, los efectos proteccionistas deseados por las economías que perteneciendo a
la zona de libre comercio poseen unos aranceles más elevados. Ejemplos de esta categoría son la
Asociación Europea de Libre Comercio (EFTA) y la Asociación de Libre Comercio de América del Norte
(NAFTA).
UNIONES ADUANERAS
83
Las Uniones Aduaneras suponen un avance en la integración comercial ya que además de liberalizar la
circulación de mercancías entre los países miembros, instaura una Arancel Exterior Común (TAC) para
todos ellos. La aplicación del Arancel Exterior Común, así como de todas aquellas medidas que permitan
hacer efectivo el libre comercio, deben adoptarse por una autoridad comercial única para todos los
países miembros.
MERCADOS COMUNES
El Mercado Común supone un avance sobre la Unión Aduanera, por cuanto a la libertad de circulación
de mercancías entre los países miembros y la adopción de una Tarifa Aduanera Común, se agrega la libre
circulación de mano de obra y de capitales. De este modo la libertad comercial de productos aparece
completada con la libertad de factores de producción, facilitándose el camino para una integración
económica y financiera.
UNION ECONOMICA
Combina la supresión de restricciones al movimiento de mercancías y factores, con un cierto grado de
armonización de las políticas económicas nacionales, con el objeto de eliminar la discriminación
resultante de las disparidades de dichas políticas
INTEGRACION ECONOMICA TOTAL
Presupone la unificación de las políticas monetaria, fiscal, social y anti clica, además de requerir el
establecimiento de una autoridad supranacional cuyas decisiones sean obligatorias para todos los
estados miembros.
84
ANEXO 2.
LOS PRINCIPALES INSTRUMENTOS DE LA POLITICA COMERCIAL
(Tomado de: CURSO DE COMERCIO INTERNACIONAL Dr. RAFAEL CALDUCH CERVERA Catedrático de
Relaciones Internacionales. UNIVERSIDAD COMPLUTENSE DE MADRID)
Las autoridades económicas de un país disponen de una serie de medidas o instrumentos paradesarrollar
su política comercial. Esta pretende lograr que los intercambios de bienes y servicios con otros países
contribuyan al desarrollo económico del propio Estado y, por tanto, las medidas de política comercial
deberían, en principio, adoptarse para compensar los desequilibrios o perjuicios económicos innecesarios
que dichos intercambios pudiesen causar a ciertas regiones o sectores económicos nacionales.
Evidentemente, no siempre se adoptan con esta finalidad y, cuando ello ocurre, terminan perjudicando el
crecimiento económico general de la sociedad en beneficio de un grupo reducido de ella. Por esta razón, las
medidas de política comercial han sido el objeto central de los esfuerzos internacionales realizados en
orden a liberalizar el comercio, en el marco de la competencia que caracteriza el sistema de libre mercado.
En términos generales podemos clasificar estas medidas de política comercial en tres grandes categorías
según su naturaleza:
A.-FISCALES:
1.-ARANCELES (Importaciones)
2.-DESGRAVACIONES (Exportaciones)
B.-FINANCIEROS:
1.-TIPOS DE CAMBIO (Importaciones /Exportaciones)
2.-SUBVENCIONES (Exportaciones)
3.-CREDITOS PREFERENCIALES (Exportaciones/Importaciones)
C.-JURIDICO-ADMINISTRATIVOS (Importaciones):
1.- CONTINGENTES O RESTRICCIONES CUANTITATIVAS
2.- REQUISITOS TECNICOS
3.- MEDIDAS DE PROTECCION DE LOS CONSUMIDORES (Medidas sanitarias;
postventa; etc.)
4.- MEDIDAS DE PROTECCION MEDIOAMBIENTAL
etiquetado; servicio
ARANCELES:
Es la imposición de gravámenes fiscales (impuestos) sobre el valor de las importaciones realizadas por un
país de ciertos bienes o servicios. Provocan diversos efectos económicos (consumo; protección; ingresos
públicos; redistribución; etc.), pero siempre tienen un resultado restrictivo para el comercio internacional.
(Véanse Gráficos 1 y 2)
DESGRAVACIONES FISCALES:
A diferencia del caso anterior, las desgravaciones fiscales fomentan la expansión de las exportaciones
mediante una reducción de los impuestos interiores que gravan a los bienes y servicios que se destinan al
exterior, en relación con los que pesan sobre las importaciones. Equivale a una reducción de los costes de
producción. Por ello generan un efecto de expansión del comercio exterior. (Véase gráfico 3)
85
SUBVENCIONES:
Consiste en la concesión de ayudas financieras a fondo perdido, destinadas a abaratar los costes de
producción interior para facilitar las exportaciones al permitir precios de venta en el exterior inferiores a los
que existirían sin estas ayudas financieras. Excepcionalmente se pueden conceder a ciertos productos
importados, cuando se consideran esenciales para el funcionamiento o desarrollo de la economía de un
país, por ej. alimentos básicos o productos energéticos. Es una medida expansiva respecto del comercio
internacional. (Véase gráfico 3)
TIPOS DE CAMBIO:
Consisten en la reducción (devaluación) o elevación (revaluación) del valor de la moneda nacional en
relación con las monedas de otros países. En la medida en que las exportaciones se producen en el interior
del país pero se venden en el exterior, y que para las importaciones ocurre el fenómeno contrario, resulta
obvio que una devaluación abarata el coste de producción de las exportaciones (valorado en términos de la
moneda extranjera) y encarece las importaciones (valoradas en términos de la moneda nacional). Este
proceso opera de forma similar a si se aplicase simultáneamente una desgravación o subvención sobre las
exportaciones y un arancel sobre las importaciones. El resultado será el efecto combinado del aumento de
las exportaciones y la reducción de las importaciones. En caso de una revaluación, el proceso sería el
inverso, es decir, un encarecimiento de las exportaciones y un abaratamiento de las importaciones.
CREDITOS PREFERENCIALES:
Consiste en la concesión de préstamos en condiciones más favorables de interés y plazos de devolución de
los que existen en el mercado internacional. Se conceden tanto a los productores nacionales que destinan
una parte de su producción a la exportación como a los importadores de otros países a condición de que los
destinen a la adquisición de los bienes o servicios del país que los concede. En ambos casos genera un
efecto expansivo sobre el comercio internacional al permitir unos intercambios comerciales que de otro
modo no se producirían.
CONTINGENTES O RESTRICCIONES CUANTITATIVAS:
Son limitaciones impuestas por los gobiernos de los países a las cantidades que pueden importarse de un
determinado producto. Ello significa que los contingentes no operan sobre el precio de intercambio sino
sobre las cantidades que se importan, cualquiera que sea su precio.
REQUISITOS TECNICOS DE LOS PRODUCTOS:
Se trata de las exigencias técnicas que los gobiernos de los países imponen a los productos importados con
objeto de equipararlos con las exigencias técnicas establecidas a los productores nacionales. Con
frecuencia, muchos de estos requisitos técnicos responden a motivaciones derivadas de la política sanitaria,
de protección a los consumidores o de protección medioambiental. Se suele considerar a los instrumentos
jurídico-administrativos como una categoría diferenciada respecto de los instrumentos de naturaleza
económica por estimarse que responden a objetivos y criterios más netamente políticos o sociales, aunque
tengan efectos económicos muy claros sobre el intercambio comercial. En cualquier caso, los países más
abiertamente defensores del libre comercio suelen orientar su política comercial en el sentido de reducir
progresivamente las medidas económicas proteccionistas pero, al mismo tiempo, potencian las medidas
jurídico-administrativas de más difícil evaluación directa en su impacto sobre el comercio exterior y, desde
luego, de más sencilla defensa con argumentos extraeconómicos.
86
ANEXO 2: SEGUNDO INFORME
87
SECRETARIA DE INTEGRACION ECONOMICA
CENTROAMERICANA
(SIECA)
CONSULTORIA
Diseño de una Metodología Integral para la Medición del Impacto del
Comercio Intrarregional en las Economías de Centroamérica
SEGUNDO INFORME DE CONSULTORIA
“Inventario de la información disponible en cada uno de los países
centroamericanos necesario para el desarrollo de las alternativas
metodológicas que permitan medir el impacto del comercio
intrarregional en las economías de los países de Centroamérica (Costa
Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá”
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas
Secretaria de Integración Económica Centroamericana (SIECA)
Presentado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
22 Noviembre, 2013
Ciudad de Guatemala, Guatemala, C.A
Las opiniones expresadas en este informe son las del autor y no necesariamente reflejan las de la SIECA.
88
SEGUNDO INFORME
“Inventario de la información disponible en cada
uno de los países centroamericanos necesario para
el desarrollo de las alternativas metodológicas que
permitan medir el impacto del comercio
intrarregional en las economías de los países de
Centroamérica (Costa Rica, El Salvador, Guatemala,
Honduras, Nicaragua y Panamá)”(*)
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas (DEEP)
Secretaria de Integración Económica Centroamericana (SIECA)
Preparado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
Ciudad de Guatemala, Guatemala, 22 noviembre de 2013
(*) Por razones de simplicidad en el presente Informe se utiliza “comercio internacional” para
denotar comercio intrarregional Dado que el objetivo de la consultoría es el impacto del
comercio intrarregional en las economías centroamericanas.
89
CONTENIDO
ABREVIACIONES Y ACRONIMOS........................................................................................................ 91
I.
INTRODUCCION ............................................................................................................... 92
A.
PROPOSITO DEL SEGUNDO INFORME ............................................................................... 92
B.
METODOLOGIA DEL INVENTARIO DE INFORMACION......................................................... 93
C.
ESTRUCTURA DEL SEGUNDO INFORME ............................................................................. 96
II.
INFORMACION UTILIZADA EN LAS ALTERNATIVAS METODOLÓGICAS QUE MIDEN EL
IMPACTO DEL COMERCIO EN LAS ECONOMÍAS DE LOS PAÍSES DE CENTROAMÉRICA .......................... 97
A.
METODOLOGIAS QUE MIDEN EL IMPACTO DEL COMERCIO EN LAS ECONOMÍAS DE LOS
PAÍSES DE CENTROAMÉRICA ............................................................................................................ 97
B.
INFORMACION PARA ESTIMAR MODELOS ECONOMÉTRICOS DE MEDICION DEL IMPACTO
ECONOMICO DEL COMERCIO.......................................................................................................... 100
III.
INVENTARIO Y DISPONIBILIDAD DE LA INFORMACION UTILIZADA POR LAS METODOLOGIAS
DE MEDICION DEL IMPACTO DEL COMERCIO INTRARREGIONAL EN LAS ECONOMIAS
CENTROAMERICANAS .................................................................................................................... 133
A.
INFORMACION NECESARIA PARA MODELOS DE EQUILIBRIO PARCIAL .............................. 139
B.
INFORMACION NECESARIA PARA MODELOS ECONOMETRICOS MULTIECUACIONALES ..... 142
C.
INFORMACION NECESARIA PARA LOS MODELOS DE EQUILIBRIO GENERAL COMPUTABLE 146
IV.
INFORMACION ECONOMICA DE FUENTES EXTRARREGIONALES MULTILATERALES PARA LA
IMPLEMENTACION DE LAS METODOLOGIAS QUE MIDEN EL IMPACTO DEL COMERCIO EN LAS
ECONOMIAS CENTROAMERICANAS ................................................................................................ 153
V. CONCLUSIONES Y RECOMENDACIONES....................................................................................... 158
BIBLIOGRAFIA ................................................................................................................................ 160
ANEXOS ......................................................................................... ¡ERROR! MARCADOR NO DEFINIDO.
90
ABREVIACIONES Y ACRONIMOS
AAs: Agencias aduanales
ALC: Acuerdo de Libre comercio
BCs: Bancos Centrales
BM: Banco Mundial
CAFTA-DR: Tratado de Libre Comercio Centro América, Republica Dominicana y Estados Unidos
CEPAL: Comisión Económica para América latina y el Caribe
CMCA: Consejo Monetario Centroamericano
COMTRADE: Base de datos de Comercio de Mercancías
FMI: Fondo Monetario Internacional
GAMS: General Algebraic Modeling System
GTAP: Global Trade Analysis Project
MCCs: Ministerios a cargo del comercio
MCS: Matriz de Contabilidad Social
MEGC: Modelo de Equilibrio General Computable
MIP: Matriz Insumo-Producto
MMICC: Metodología de medición de impacto del comercio en el crecimiento económico
MPSGE: Mathematical Programming System for General Equilibrium
OMC: Organización Mundial del Comercio
ONEs: Oficinas Nacionales de Estadísticas
PIB: Producto Interno Bruto
SECMCA: Secretaria Ejecutiva del CMCA
SICA: Sistema de Integración Centroamericana
SIECA: Secretaria de Integración Económica Centroamericana
SNC: Sistema Nacional de Contabilidad
UE: Unión Europea
UN: Naciones Unidas (United Nations)
UNCTAD: Conferencia de la Naciones Unidas para el Comercio y el Desarrollo
OMC: Organización Mundial de Comercio
MICO: Mínimos cuadrados ordinarios
91
WITS: Solución Integrada de Comercio Mundial de Mercancías
IV.
INTRODUCCION
Si se ingresa información de baja calidad en un modelo econométrico para medir el impacto económico
de las variables económicas que se interrelacionan entre sí de acuerdo a alguna teoría que se quiere
poner a prueba o para orientar la toma de decisiones entre los formuladores de política, basura se
obtiene.
La calidad de la información así como la oportunidad de la información es fundamental para informar los
procesos de toma de decisiones de las autoridades de los países.
Dada la importancia y oportunidad de la información económica en los procesos de desarrollo
internacional, los países cuentan con instituciones especializadas en elaborar dicha información
aplicando estándares de calidad y clasificaciones que permiten la comparabilidad internacional.
A. Propósito del Segundo Informe
El presente Informe corresponde al Segundo producto de la consultoría « Diseño de una Metodología
Integral para la Medición del Impacto del Comercio Intrarregional en las Economías de
Centroamérica »30 encargado por la Secretaria de Integración Económica de Centroamérica (SIECA).
El informe contiene el “Inventario de la información disponible en cada uno de los países
centroamericanos necesario para el desarrollo de las alternativas metodológicas que permitan medir el
impacto del comercio intrarregional en las economías de los países de Centroamérica (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá”31.
30 El hilo conductor de la presente consultoría es responder a la interrogante: ¿Cuál es el impacto y canales de
transmisión del comercio intrarregional en las economías de Centroamérica? Se espera que la respuesta a esta
pregunta proporcione a la SIECA y a los países miembros del Subsistema de Integración Económico
Centroamericano de una metodología que permita medir el impacto del comercio intrarregional en las economías
centroamericanas mediante un modelo que identifique los mecanismos a través de los cuales se transmite dicho
impacto y que vienen determinados por las relaciones entre las variables económicas involucradas en la
determinación de los volúmenes de comercio sugeridas por la teórica económica por un lado y por la compleja
realidad observada por otro lado.
31
Para los efectos de este Informe se incluye Panamá en el vocablo ”Centroamérica” por convención, a menos que
se especifique algo diferente. Panamá se encuentra en proceso de acceder al Subsistema de Integración
Económico Centroamericano del SICA.
92
Este informe presenta la información de series de tiempo, datos de encuestas o registros
administrativos de corte transversal particularmente de los flujos de comercio, o de panel que son
necesarias para implementar las metodologías de medición del impacto (MMI) del comercio en las
economías. El inventario se levantó con las publicaciones periódicas de instituciones especializadas de
los países centroamericanos tales como los bancos centrales, oficinas de estadísticas, agencias
aduanales y ministerios de economía así como la que publican organismos oficiales multilaterales como
la CEPAL, el BM, el FMI, BID, CMCA, y la SIECA entre otras. De estas instituciones, los bancos centrales,
las agencias aduanales, oficinas de estadísticas, y los ministerios de comercio o economía son las
encargadas de recolectar información primaria, decir, son ellas mismas las que recogen la información
que se produce cuando se realizan las transacciones económicas de bienes y servicios tangibles o
intangibles, particularmente de bienes y servicios comerciados entre los países; con esta información los
países elaboran variables o índices de las transacciones económicas tales como términos de
intercambio, tipo de cambio efectivo, índice del volumen de la actividad económica y el índice de
precios o inflación. Estas instituciones igualmente aplican manuales de registro que incluyen
metodologías elaboradas –tales como la clasificación económica de las exportaciones e importaciones y
la medición del déficit en cuenta corriente de la el balanza de pagos- que permiten comparar las cifras
de las transacciones entre países. El resto de instituciones, utilizan información secundaria
principalmente y conforman bases de datos para su propio uso y para competir con usuarios externos;
es decir ellos utilizan la información primaria producida por los bancos centrales, ONEs, agencias
aduanales y/o ministerios de economía o comercio. Sin embargo, también producen información
adicional mediante el uso de dicha información primaria, tales como índices de comercio (p.e. apertura
comercial, diversificación de exportaciones y sofisticación de las exportaciones de in país), actividad
económica y realizan proyecciones económicas (p.e. crecimiento económico, inflación y déficit fiscales y
de balanza de pagos).
La CALIDAD de la información es clave para asegurar mediciones satisfactorias del impacto del comercio
en las economías centroamericanas (ECA). Si hay errores en la información los resultados de una
medición del impacto de una variable sobre otra pueden ser muy inexactos y por lo tano insatisfactorios
y conducir a medidas de política inapropiadas. Por ejemplo, si la clasificación de las importaciones de
bienes de capital no es la correcta porque se incluyen en ella importaciones de todo tipo de vehículos
(incluyendo los usados para fines particulares o familiares), cuando en realidad solo deben incluirse los
utilizados para el proceso productivo, se puede sobrestimar o subestimar el impacto de las variaciones
en las importaciones sobre la tasa de crecimiento económico de un sector o de la economía como un
todo. Este tipo de errores se reduce o elimina si se siguen los lineamientos de los manuales adoptados
por los países miembros del FMI, la Organización Mundial del Comercio (OMC), las Naciones Unidas
(UN), la Organización Internacional del Trabajo (OIT) y la CEPAL, entre otros organismos que trabajan en
materia de normatividad de la producción y calificación de la información económica a nivel mundial o
regional. Al respecto, vale la pena señalar que todos los países centroamericanos aplican los manuales
aludidos.
B. Metodología del inventario de información
93
En el primer informe sobre las MMI aplicadas al comercio centroamericano, se reportó que las
metodologías utilizadas, más actualizadas y robustas para la medición del impacto del comercio
(exportaciones e importaciones) en las economías centroamericanas (p.e. en el PIB agregado o sectorial,
empleo, bienestar, etc.) son econométricas y matemáticas. Las primeras incluyen modelos
uniecuacionales, modelos de ecuaciones simultáneas o multiecuacionales, y las segundas incluyen
modelos de equilibrio general computable los cuales son modelos matemáticos de programación lineal y
no lineal de optimización, pero que también se apoyan en la econometría. En efecto, los MEGC utilizan
una serie de parámetros que son necesarios para cuantificar los efectos simultáneos de cambios en las
variables del modelo –esto quedara claro cuando se revise la información utilizada por los MEGC en la
sección II. Por ejemplo, se utilizan las elasticidades de sustitución de bienes y las elasticidades de
factores productivos y que deben ser estimados separadamente para luego incluirlos en los parámetros
que los MEGC utilizan para sus estimaciones y simulaciones.
En el Primer Informe se reportó sobre varias investigaciones que utilizan tanto técnicas econométricas
como matemáticas de programación lineal (los MEGC) para medir el impacto del comercio en las
economías centroamericanas. La información primaria utilizada por estos estudios y metodologías se
lista en el presente informe en la sección II para lo cual se presentan los modelos teóricos y/o estimados
así como las variables explicadas y explicativas de los modelos. Es importante anotar que en algunos
casos, como se apuntó en el Primer Informe, la metodología no se aplicó a algunos países por falta de
información, de manera que conocer el inventario de la información disponible y la brecha de
información es importante para analizar comparativamente los impactos del comercio en los distintos
países centroamericanos.
Uno de los objetivos de la consultoría es precisamente identificar la brecha de información que pudiera
existir para aplicar una determinada metodología de medición de impacto y llenar el vacío, si así se
considera necesario y factible. La estimación de los recursos necesarios para llenar la brecha de
información se realizará y reportará en el Tercer informe de esta consultoría.
Para determinar si está disponible la información utilizada en las metodologías aplicadas en los estudios
revisados, se realizó en primer lugar una lista completa de toda la información utilizada por diferentes
metodologías de medición del impacto del comercio en las economías; esta lista de información se
reporta en la sección II. Posteriormente, se hace una revisión exhaustiva de la información publicada
por los países tomando como base la lista de variables identificadas previamente y presentada en la
seccion II. Para esto se examinaron los sitios web de las oficinas que producen la información primaria y
secundaria utilizada por las metodologías de medición del impacto económico de las variables de
comercio en las economías, es decir: los bancos centrales (BCs), agencias aduanales (AAs), oficinas
nacionales de estadísticas (ONEs) y ministerios a cargo del comercio (MCC) –estos pueden ser el
Ministerio de economía y/o de comercio32. Adicionalmente, se revisaron varios manuales que guían la
32Es
importante señalar que algunas series de tiempo (estadísticas económicas) no son directamente
comparables porque se han preparado utilizando distintas versiones de clasificación. Esto se explica
porque muchas metodologías de recolección y registro de la información cambian sus versiones y las
series en este caso no son comparables, por lo que no se publican las series más antiguas. También se
da el caso de “cambios de año base” en las series de tiempo, y los países se encuentran en el proceso de
hacer comparables las series de tiempo. En cualquiera de estos casos, no obstante, las instituciones
pueden proveer esta información no publicada a solicitud de interesados.
94
elaboración de estadísticas y que son utilizados por los países para elaborar las series económicas, con el
propósito de determinar si una variable económica específica está disponible aunque no publicada por
las instituciones encargadas de producir la información. La razón para revisar los manuales es porque
por razones de espacio, las instituciones publican las series económicas en forma agregada, pero los
manuales indican la información más detallada que sirve de base para la elaboración de las series
agregadas publicadas. Un ejemplo, de esto son las exportaciones; generalmente solo se publican la
exportación total destinada a un país determinado pero no se publican que productos específicos se
exportan a dicho país. Esta información es necesaria para estimar los modelos gravitacionales de
comercio para estimar el nivel potencial de exportaciones de cada país con respecto a otro país dado el
tamaño, distancia e ingresos de un par de países específico. En los sitios web aparecen las exportaciones
agregadas y en muchos casos no se publican exportaciones por destino-país, pero las instituciones
poseen la información a nivel de país lo cual se puede afirmar con base en el manual de clasificación del
comercio exterior –en el caso de centroamericana se usa, entre otros manuales o clasificadores, el
Sistema Arancelario Centroamericano, SAC. También se puede determinar si una información sobre
comercio existe si se revisa el formulario de declaraciones aduaneras que sirven de base para registrar
las exportaciones (o importaciones) de los países. Los principales manuales de referencia consultados
son:
Manual de estadísticas de las finanzas públicas 2001 (FMI)
Manual de estadistas monetarias y financieras, Edición 2000 (FMI)
Revisión del Manual de balanza de pagos, quinta Edición. Reseña comentada 2004 (FMI)
Sistema nacional de cuentas nacionales SCN 1993 (UN)33
La clasificación de los flujos internacionales de bienes y servicios está gobernada por una serie de
clasificaciones que también son aplicadas por los países con el fin de armonizar las estadísticas y por
tanto obtener comparabilidad internacional y hablar el mismo lenguaje, por ejemplo, a la hora de las
negociaciones de un ALC. Estas clasificaciones incluyen las que clasifican el comercio internacional,
entre ellas se encuentran:
La Clasificación Internacional Industrial Uniforme (CIIU)34.
El Sistema Armonizado de Designación y Codificación de Mercancías (SA)35
La Clasificación Internacional Uniforme de Ocupaciones (CIUO)
36
33
También puede consultarse a Michel Seruzier (2003),“Medir la Economía de los Países según el Sistema de
Cuentas Nacionales”, CEPAL
34
Esta clasificación agrupa de manera sistemática a todas las actividades económicas, Su objetivo principal es
establecer su una codificación armonizada a nivel mundial. Es utilizada para conocer niveles de desarrollo,
requerimientos, normalización, políticas económicas e industriales, entre otras utilidades. Existen varias revisiones
de la clasificación, la última es la revisión 4. La última versión es de 2007.
35
El Sistema Armonizado de Designación y Codificación de Mercancías (SA) tiene como propósito servir como base
para la aplicación de aranceles aduanales y la recopilación de estadísticas sobre el comercio internacional. Más de
190 países lo aplican y representan casi el 100% del comercio internacional. La Organización Mundial de Aduanas
es la responsable de resguardar esta clasificación y darle mantenimiento. La última versión es de 2007.
36
Ver Organización Internacional del Trabajo: http://www.ilo.org/public/spanish/bureau/stat/isco/
95
Así mismo se revisaron las bases de datos en línea que publican organismos multilaterales o
instituciones privadas y que fueron utilizadas por algunos de los estudios: Development Indicators (BM)
y COMTRADE (UNCTAD).
La información disponible se presenta por país: Guatemala, Honduras, El Salvador, Nicaragua, Costa Rica
y Panamá. El inventario de la información disponible para la aplicación de diversas metodologías de
medición del impacto del comercio intrarregional en las economías centroamericanas se presenta en la
sección III.
C. Estructura del segundo informe
El Informe contiene, además de esta primera sección I, introductoria, la sección II donde se presenta una
breve descripción de las MMI aplicadas en las últimas décadas en CA y que fueron revisadas y
reportadas en el Primer Informe de esta consultoría, las cuales se consideran representativas de las
diferentes metodologías econométricas y matemáticas para la medición del impacto entre variables
económicas; estas metodologías se listan el Cuadro No. 1 del Primer Informe de esta consultoría, el cual
se reproduce por conveniencia en este Informe en la sección II.
En la sección III se presenta por país la información disponible para estimar los modelos o metodologías
utilizadas por investigaciones revisadas en el Primer Informe, el propósito es identificar las fuentes y
temporalidad de la información así como la brecha de información existente; esto último se logra
comparando las variables incluidas en la especificación de los modelos econométricos (teóricos) antes
de su estimación. Es importante aclarar que la estimación de los modelos teóricos especificados no
siempre encuentra que las variables son estadísticamente significativas y por lo tanto basar la necesidad
de información en estos modelos estimados finales tendería a subestimar la información requerida para
su estimación econométrica. Además, la especificación teórica de los modelos econométricos ya toma
en cuenta la disponibilidad de información y en caso de no existir la información de una determinada
variable se sustituye por una variable aproximada (proxi, por ejemplo, usar el agregado monetario
“depósitos a plazo” como medida de riqueza o usar la razón producto-número de trabajadores como
medida de productividad del trabajo) de la cual si existe información.
La sección IV incluye una lista de la información elaborada por otras organizaciones extrarregionales
(multilaterales o bilaterales) y otras instituciones dedicadas al análisis del tema del comercio
internacional las cuales procesan algunas variables a fin de hacerlas comparables (p.e. convertir a una
misma moneda o usar un mismo año base o clasificación de las variables según diversos manuales de
estadísticas).
Cuando es posible se destaca la información que es producida únicamente para los estudios de medición
de impacto y que no son producidas periódicamente. En esta categoría se encuentran, por ejemplo, las
matrices de contabilidad social37, la estimación de elasticidades de la demanda de importaciones y de la
37
La MCS requiere información por grupos de hogares clasificados según niveles ingreso, la clasificación de
trabajadores según sean calificados o no, informales o no, etc. Según las necesidades de la investigación. Otro
ejemplo, para la MMI de esta consultoría es la agrupación de importaciones e importaciones por grupos según la
clasificación internacional industrial uniforme (CIIU) o Sistema Arancelario Centroamericano (SAC).
96
elasticidad de sustitución de factores productivos, y algunos índices elaborados solo para algunas
estimaciones econométricas .
Finalmente se presentan las conclusiones y recomendación de este informe en la sección V.
V. INFORMACION UTILIZADA EN LAS ALTERNATIVAS
METODOLÓGICAS QUE MIDEN EL IMPACTO DEL COMERCIO EN
LAS ECONOMÍAS DE LOS PAÍSES DE CENTROAMÉRICA
La disponibilidad de información económica es fundamental para la medición del impacto del comercio
internacional en las economías. Las metodologías para medir los efectos de una variables sobre otras
pertenecen, como se discutió en el primer informe de esta consultoría, a la disciplina econométrica.
Según Gujarati (2004) la econometría se encarga de la “medición económica” y en particular, la
medición del impacto de las variables económicas en las economías. Existe un consenso bastante
generalizado que los modelos que consideran los efectos simultáneos de las variables económicas son
los más apropiados para la medición de impacto económico ya que la mayoría de variables están
relaciones en mayor o menor grado unas con otras. Por ejemplo, las exportaciones impactan el
crecimiento económico y este a su vez incide en el nivel de las exportaciones. Otro ejemplo, donde se
considera a priori que existe una relación fuerte entre variables son las exportaciones y la inversión
extranjera directa: las oportunidades de exportar atrae inversionistas extranjeros, lo que tiende a
aumentar las exportaciones.
La econometría mide precisamente la magnitud de los efectos entre unas y otras variables; las
magnitudes estimadas pueden variar entre un país y otro y dentro de un mismo país en diferentes
periodos de tiempo. Aún más, las estimaciones pueden diferir para un mismo país y periodo de tiempo
aun cuando se utilice la misma información, si los modelos econométricos se especifican de manera
diferente –es decir incluyendo diferentes variables explicativas (Como señaló Sims (1980)). Por esta
razón es de suma importancia conocer la información que se ha utilizado en la estimación de los
modelos econométricos para medir el impacto del comercio en las economías centroamericanas. Llama
la atención que los estudios consultados en esta consultoría en general no indican las fuentes de
información, o si la indican, no presentan las series utilizadas; en algunos casos esto se justifica por
razones de espacio, pero no permite replicar las estimaciones con la misma información a efectos de
comprobar la razonabilidad de los resultados presentados. Sin embargo, es justo indicar que todas las
investigaciones o estudios revisados utilizan métodos econométricos los cuales son justificados por los
autores en los diferentes estudios –es decir, los autores consideran que la especificación de los modelos
es la más apropiada dada la disponibilidad de información y las características de las estadísticas
económicas (p.e. si son estacionarias o no, si presentan gran variabilidad, si son estacionales o no y si
son datos de panel).
A. Metodologías que miden el impacto del comercio en las
economías de los países de Centroamérica
97
Como se indicó en el Primer Informe de esta consultoría, las investigaciones seleccionadas para revisión
se pueden clasificar en dos grupos: 1) las que tienen como propósito explícito medir el impacto
delcomercio en las economías centroamericanas y 2) las que miden la magnitud del impacto de unas
variables económicas sobre el comercio (exportaciones e importaciones). Estas últimas, si bien no
miden el directamente el impacto económico del comercio en las economías centroamericanas, se
eligieron para revisión ya que desarrollan metodologías que complementan al primer grupo de
metodologías –estas investigaciones suponen explícita o implícitamente que el comercio favorece el
crecimiento y bienestar económico. Al conocer en qué medida un instrumento de política comercial o
fiscal o de otra naturaleza, o incluso un choque externo, afecta el comercio (las exportaciones o
importaciones), podemos saber en qué medida ese impacto en el comercio afectó o afecta a su vez las
economías. Sin embargo, debe enfatizarse que las metodologías que utilizan modelos uniecuacionales
de equilibrio parcial, pueden sobrestimar o subestimar el impacto de las variables económicas en la
medida que no consideran sus efectos indirectos o de segunda vuelta lo cual es una característica
intrínseca de la mayoría de variables económicas. Los modelos de equilibrio general son recomendados
por sobre los modelos de equilibrio parcial para analizar los impactos del comercio dado que dichos
modelos miden los efectos simultáneos de medidas de política o choques externos como cambios de
precios internacionales, cambios en niveles tarifarios, y eliminación de barreras no arancelarias.
Las metodologías econométricas que miden el impacto del comercio en las economías fueron
presentadas en el Primer Informe de esta consultoría. Ahí se describieron los métodos utilizados y los
propósitos de cada investigación. En esta sección se presentan las estadísticas económicas utilizadas en
dichos estudios y posteriormente en la siguiente sección se determina su disponibilidad en los países
centroamericanos.
El Cuadro No. 1 presenta la lista de investigaciones econométricas revisadas en esta consultoría; de
estas se extrae la lista de variables económicas utilizadas para posteriormente identificar su
disponibilidad en los países centroamericanos. Para conocer las estadísticas económicas utilizadas en las
metodologías e medio de impacto económico del comercio o en el comercio internacional, en primer
lugar se presenta el modelo teórico y/o econométrico especificado en cada estudio y a continuación las
variables utilizadas.
Cuadro 1. Estudios sobre medición del impacto del comercio en Centroamérica
Titulo
38
Organización/Institución (*)
Técnica econométrica
Países/Región
k)
Modelos econométricos para
los países de Centroamérica
CEPAL. Noviembre de 2003. Luis
Miguel Galindo
Modelo de equilibrio parcial:
uniecuacional
CR, GUA, HON, NIC, PAN,
y ESA
l)
Understanding the Benefits of
Regional Integration to Trade: The
Application of a Gravity Model to the
Case of Central America
The World Bank. December 2010.
Marcelo
Gordillo,
Aiga
Stokenberga, y Jordan Schwartz.
Modelo de equilibrio parcial:
uniecuacional.
Modelo
gravitacional.
Guatemala,
Costa
Rica, El Salvador,
Honduras, Nicaragua,
38
Debe notarse que no todos tienen el objetivo de medir el impacto tal como se definió en la sección II, pero todos
hacen un análisis cuantitativo de las relaciones del comercio intrarregional y extrarregional en las economías.
98
Titulo
Organización/Institución (*)
Técnica econométrica
Países/Región
Panamá
m)
Central America, Panama, and
the Dominican Republic: Trade
Integration
and
Economic
Performance
FMI.
Septiembre de 2012.
Stephany Medina et all.
Modelo de equilibrio parcial.
Modelo muy similar al enfoque
gravitacional.
Central
America,
Panama, and the
Dominican Republic
(CAPDR)
n)
Una
introducción
a
econometría con datos de panel
Univ. de Puerto Rico. Ensayos y
Monografías, No. 152,
Sept. 2012. Wilfredo Toledo
Datos de Panel
CR, GUA, HON, NIC, PAN,
ESA,
Colombia
y
o)
Estimación del impacto de un
Acuerdo
de
Asociación
entre
Centroamérica y la Unión Europea:
una aplicación de un modelo
gravitacional de comercio para el caso
de Costa Rica
p)
Modelo macro econométrico
Regional II
Instituto de Investigaciones en
Ciencias Económicas, IICE, Costa
Rica. María Villalobos.
Datos de panel
gravitacional)
SECMCA. San José, Costa Rica,
Dic. 2008. Documento de Trabajo
SECMCA II – 2612
Ecuaciones simultaneas
Centroamérica
(excepto Panamá)
q)
Modelo Macro econométrico
de Pequeña escala para El Salvador
r)
Modelo Macro econométrico
de Proyección de Corto Plazo para
Nicaragua
s)
Instrumentos
para
la
evaluación del impacto de acuerdos
comerciales
internacionales:
aplicaciones para países pequeños en
América Latina
Banco Central de Reserva de El
Salvador
Banco Central de Nicaragua,
Managua, Septiembre 2007
Ecuaciones simultaneas
El Salvador
Ecuaciones simultaneas
Nicaragua
CEPAL, México, D. F., junio de
2009. Alberto Trejos
No
aplica
análisis
econométrico pero hace una
revisión de una muestra de
estudios que aplican diversas
metodologías
Latinoamérica
CEPAL, Revista CEPAL No.
México, Agosto 2009
Modelo de Equilibrio General
Computable (MEGC) y micro
simulaciones
Costa Rica, Honduras y
El Salvador (MEGC)
t)
la
Apertura comercial y pobreza
en Centroamérica: logros y
desafíos
Venezuela
(modelo
Costa Rica
Modelo de equilibrio parcial:
uniecuacional
98,
u)
Modelo de Equilibrio General
Computable para Nicaragua.
Banco Central de Nicaragua,
Documento de Trabajo No. 022010. Managua, Febrero 2010.
Oscar Gámez
MEG
Nicaragua
v)
Perturbaciones internas y
externas en pequeñas economías
abiertas: un análisis de equilibrio
general para el caso de Nicaragua
(1994-2011).
w)
Impacto de la eliminación de
los CAT y del otorgamiento de otros
incentivos de política comercial: Un
análisis cuantitativo de EGC
Banco Central de Guatemala
Documento de Trabajo No. 127,
Febrero 2013. Alfredo Ibrahim
Flores Sarria
MEGC
Nicaragua
Asamblea Legislativa de Costa
Rica. Volumen 8, N° 1 de la
Revista Parlamentaria, abril del
2000. Marco V. Sánchez
MEGC
Costa Rica
CEPAL, Santiago de Chile,
noviembre de 2008. José E. Durán
Lima y Mariano Álvarez
MEGC y equilibrio parcial
Costa Rica, Guatemala y Nicaragua
x)
Acuerdo
de
Centroamérica – Unión
Evaluación
utilizando
General Computable y
Parcial
(*) Ver bibliografía
Asociación
Europea:
Equilibrio
Equilibrio
99
B. Información para estimar modelos econométricos de medición
del impacto económico del comerci o
En este apartado se listan las variables económicas utilizadas porlos modelos econométricos
especificados en las investigaciones revisadas previamente, sobre medición de impacto de variables
económicas de comercio en el crecimiento económico. Para cada estudio del Cuadro No. 1 presentado
anteriormente, se listan los modelos y las variables incluidas para su estimación mediante las diferentes
técnicas econométricas.
En la mayoría de los casos, las variables económicas listadas utilizan nomenclatura que incluye
subíndices que se refieren a series de tiempo (t) o unidades de observación (por ejemplo países) (i). Por
ejemplo, Yitsignifica que la variable es una serie de tiempo y se refiere a la unidad de observación i. El
símbolo
es el operador de diferencia de valores adyacentes de las variables, por ejemplo,
Yt = Yt – Yt-1.
La información utilizada por los modelos se presenta de acuerdo al orden del Cuadro No. 1 de arriba.
Los modelos econométricos, a diferencia de los modelos teóricos o matemáticos, incluyen un término
de perturbación (ut), sin embargo, algunos autores no los incluyen en sus modelos por razones de
parsimonia. Por ejemplo, un modelo que relacione las exportaciones (X) con el PIB o crecimiento
económico sería como sigue:
Modelo teórico:
PIB = f(X)
Modelo matemático:
PIB =
Modelo econométrico:
PIB =
donde
0< <1
donde
representa el impacto de variables no
incluidas en el modelo o término de
perturbación aleatorio.
Varios modelos econométricos utilizados incluyen como variables explicativas, variables cualitativas,
categóricas o dummy. Debe aclararse que las variables dummy no son series económicas en sí mismas;
estas son variables que toman valor de 1 y 0 para referirse a que existe o no existe una característica, un
atributo o condición económica especifica en un periodo de tiempo determinado o en una unidad de
observación determinada (por ejemplo en una encuesta si el entrevistado ha participado o no en un
programa de transferencias monetarias o no). Por ejemplo, en un conjunto de variables de corte
transversal la dummy puede referirse al sexo y podría tomar el valor de 1 para masculino y 2 para
femenino.
100
Un aspecto que llama poderosamente la atención es que ninguno de los estudios presenta las cifras o
series utilizadas; de igual modo, no todos los estudios mencionan las fuentes de las cifras utilizadas.
Esto no dificultaría replicar los resultados de las metodologías empleadas en los estudios a fin de
corroborar los hallazgos.
A continuación se presenta la información utilizada y necesaria para el desarrollo de las metodologías
utilizadas para medir el impacto que generan las variables de comercio exterior en la economía o como
otras variables económicas afectan los niveles de comercio internacional de acuerdo a las metodologías
empleadas en investigaciones realizadas. El objetivo es dar a conocer el cumulo de información que
utiliza un determinado modelo econométrico o metodología econométrica. Los estudios realizan
diferentes a las variables económicas con el fin de garantizar que las estimaciones de las metodologías
aplicadas entregan los mejores estimadores y por lo tanto son mediciones robustas para realizar
conclusiones y recomendaciones de política económica así como proyecciones o simulaciones de
política económica o choques externos; sin embargo, la descripción de tales test y técnicas
econométricas no es el objetivo de este apartado.
a) Modelos
CEPAL. Noviembre de Modelo
de CR, GUA, HON,
econométricos para 2003. Luis Miguel equilibrio parcial: NIC, PAN, y
los
países
de Galindo
uniecuacional
ESA
Centroamérica
En este estudio el periodo de estimación es 1980-2001 donde las ecuaciones se estiman de manera
individual.
Producto Interno Bruto (Yt)
ΔYt = β0 + β2ΔYt-1 + δ[Yt-1-α1It-1-α2Mt-1-α3Rt-1-α4Yust-1] + ut
Variables utilizadas:
PIB (Yt)
Agregado monetario –oferta monetaria (Mt), proxy de riqueza financiera. Esta variable puede
cambiar de un país a otro dependiendo de las preferencias del público; en este sentido la
variable puede ser depósitos a plazo o depósitos de ahorro.
Tasa de interés real (Rt); en algunos países se usó la tasa de inflación (Pt) como proxy.
PIB de Estados Unidos (Yus)
Ut es el término de perturbación que representa variables no incluidas; representa el impacto
de variables no incluidas en el modelo.
El estudio también utiliza las variables:
Remesas desde el exterior,
Términos de intercambio e
Importaciones de los Estados Unidos para determinar su impacto en el PIB
101
La demanda agregada
Consumo:
ΔCt = β0 + β2ΔCt-1 + δ[Ct-1-α1Yt-1-α2Mt-1-α3Rt-1 - α4ΔPt-1] + ut
Variables utilizadas:
Consumo (Ct)
Tasa de inflación (Pt)
Inversión:
ΔIt = β0 + β2ΔIt-1 + δ[It-1-α1Yt-1-α2Mt-1-α3Rt-1- α4ΔPt-1] + ut
Variables utilizadas:
Inversión – formación bruta de capital (It)
Exportaciones e Importaciones:
Xt = β0 + β2Yust + β3srt + β4Xt-1 + ut
Mt = β0 + β2Yt + β3srt + β4Mt-1 + ut
Variables utilizadas:
Exportaciones (Xt)
Importaciones (Mt)
No especificada (srt)
Productos sectoriales:
Yit = β0 + β2Yt + β3Rt + β4ΔPt + β5Yit-1 + ut
Variables utilizadas:
PIB sectorial (Yit), i ={ sector agrícola, sector industrial}
102
b) Understanding
the
Benefits of Regional
Integration to Trade:
The Application of a
Gravity Model to the
Case
of
Central
America
The World Bank.
December
2010.
Marcelo
Gordillo,
Aiga Stokenberga, y
Jordan Schwartz.
Modelo
de
equilibrio parcial:
uniecuacional.
Modelo
gravitacional.
Guatemala,
Costa Rica, El
Salvador,
Honduras,
Nicaragua,
Panamá
Este estudio pretende identificar el nivel de comercio que deberían tener los países centroamericanos
entre si dada su cercanía (D=distancia) y tamaño (se usa el PIB como aproximación). Pero no analiza el
impacto de la comercio en las economías, el cual solo se asume que es positivo. En esta investigación se
hace hincapié en los niveles de comercio entre los países y se trata de discernir si los niveles observados
son razonables o pueden ser incrementados notablemente. Vale la pena señalar que el estudio no
describe el método econométrico utilizado para las mediciones del impacto de las variables explicativas
en el comercio. Los datos utilizados están organizados en forma de panel donde i son los tipos de
exportaciones y t las series de tiempo. El periodo analizado es 2000-2008.
El modelo teórico utilizado es el Modelo Gravitacional de Comercio según el cual, el flujo total de las
exportaciones de un país i a un país j es igual a:
Xijt = A
Variables utilizadas:
Constante de ecuación econométrica o intercepto (A)
Exportaciones del país i al país j en el año t (Xijt). Se desagregan las exportaciones en granos,
acero y productos de acero y frutas procesadas y vegetales; debido a su importancia relativa en
el total de exportaciones.
PIB del país i (PIBit)
PIB del país j (PIB jt)
Costos de transporte (Dij), se aproximó por la Distancia entre ciudades seleccionadas.
Modelo especificado
El modelo especificado es una versión aumentada del modelo gravitacional de comercio en forma
logarítmica (ln):
Ln Xijt = lnB0 + B1 ln PIB it + B2 ln PIB jt + B3 ln Dij + B4 ln Adj ij + b5 ij
103
Variables utilizadas:
Frontera común entre par de países (Adij), valor de 1 si hay frontera común y toma valor 0 en
otro caso.
Riesgo de no selección de un país ( ij)
Otras variables utilizadas corresponden al flujo de comercio de 15 países que forman parte del Unión
Europea (Zona del Euro) para establecer cuál es el benchmark o potencial de exportaciones (o
importaciones) que debería presentar un país centroamericano.
El modelo se estimó para un set de información para 15 países de la Unión Europea y para los países
centroamericanos. Las estimaciones de los países más integrados de la UE se consideran como los
niveles potenciales a los que deben aspirar los países centroamericanos (benchmarks).
c) Central
America, FMI. Septiembre de
Panama, and the 2012.
Stephany
Dominican Republic: Medina et all.
Trade
Integration
and
Economic
Performance
Modelo
de
equilibrio parcial.
Modelo muy similar
al
enfoque
gravitacional.
Central
America,
Panama, and
the Dominican
Republic
(CAPDR)
Esta investigación tiene como propósito identificar los determinantes de las exportaciones y del
crecimiento económico. En el caso del modelo de crecimiento económico se incluyen variables que son
medidas alternativas de la apertura comercial y se encuentra que todas son significativas para explicar el
crecimiento económico de los países centroamericanos y Republica Dominicana. El modelo uso datos
de corte transversal para Centroamérica y República Dominicana. Muchas de las variables utilizadas son
índices que fueron construidos para el trabajo ya que no están disponibles en la forma utilizada (se usa
información básica para generar los índices.
Modelo de Exportaciones, periodo 2005-2009
El modelo econométrico teórico es:
Xi =
+ B Zi + Di + i
Variables utilizadas:
Exportaciones no petroleras entre PIB (Xi)
Conjunto de variables explicativas (Zi ), ver modelo estimado abajo.
Conjunto de variables dummy (Di)
104
El modelo estimado incluyó las siguientes variables explicativas:
Exportaciones de bienes y servicios no petroleras como proporción del PIB (variable
dependiente).
Apertura de cuenta corriente
Índice de orientación hacia afuera
Índice de desempeño de servicios de logística
Ingreso (PIB per cápita)
Tamaño (área geográfica por población)
Isla (dummy: si el país es una isla o no)
Índices de sofisticación de los servicios de exportaciones de:
o CAPDR
o East Asia
o European Union
o Latin America and Caribbean
o Sub-Saharan Africa
Modelo de crecimiento, 1965-2009
El estudio no presenta explícitamente el modelo econométrico, pero si presenta una tabla con los
resultados de los coeficientes estimados para las variables que describen un modelo como el siguiente:
PIBpc =
+ B0 OHA + B1 PM + B2 IV + B3 SP + B4 FBK +B5 KH + B6 P + B7 RE + B8 FT + i
Variables utilizadas:
PIB per cápita, tasa de crecimiento (PIBpc)
Índice de orientación hacia afuera (OHA)
Índice de Penetración de mercado (PM)
Índice de Integración Vertical (IV)
Índice de Sofisticación de productos (SP)
Formación de capital (FBK)
Capital humano (KH), nivel avanzado
Inflación (P)
Reformas estructurales (RE)
Fuerza de trabajo como proporción de la población (FT)
El estudio analiza el comportamiento de las exportaciones de los CAPRD durante 1962-2005 y entre
otras fuentes usa información de la base de datos COMTRADE de las Naciones Unidas (United Nations
Commodity Trade Statistics Database).
105
d) Una introducción a Univ. de Puerto Rico. Datos de Panel
la econometría con Ensayos
y
datos de panel
Monografías, No. 152,
Sept. 2012. Wilfredo
Toledo
CR, GUA, HON,
NIC, PAN, ESA,
Colombia
y
Venezuela
En el trabajo se utiliza datos anuales de panel para el periodo 1990-2006 para los países
centroamericanos. Uno de los propósitos es estimar el impacto de las remesas familiares en las
importaciones de bienes de consumo, intermedios y de capital. Para ello se aplica la técnica de vectores
autorregresivos con datos de panel. Las pruebas de raíces unitarias y cointegración se realizan para
datos del periodo 1990-2006, aunque el modelo VAR con datos de panel (PVAR) para diferentes tipos de
importaciones se estima para un periodo menor.
El autor destaca que su interés primordial es el uso de datos de datos en un modelo de vector
autorregresivo (VAR). Los modelos VAR son una técnica de modelación bastante utilizada en
macroeconometría ya que permite examinar empíricamente las relaciones cuantitativas entre las
variables económicas sin imponer demasiadas restricciones teóricas, especialmente cuando no hay un
consenso importante sobre la estructura de la economía como señaló Sims (1980). Los VAR se han
utilizado con datos de panel para obtener mejores estimaciones, dada la riqueza de información que
proporcionan los datos de panel.
Modelo general de datos de panel:
Y it = ait + X it b + u it
con i = 1,......N; t = 1,...T.
Donde i se refiere al individuo o a la unidad de estudio (corte transversal), t a la dimensión en el tiempo,
a es un vector de interceptos de n parámetros, b es un vector de K parámetros y Xit es la i-ésima
observación al momento t para las K variables explicativas.
En este caso, la muestra total de las observaciones en el modelo vendría dada por NxT.
Para conformar una VAR que incluye rezagos de las variables que se analizaran (remesas e
importaciones), el modelo quedaría así:
Y it = ait+ Yi,t-kX it b + u it
con i = 1,......N; t = 1,...T.
Para cada variable endógena se usa la ecuación anterior en la que se incluyen rezagos de todas las
variables endógenas y exógenas (el número de rezagos depende de los test pertinentes que indican cual
es el número de rezagos más apropiado para la estimación). Esta característica de los VAR, es una
ventaja y permite evitar el subjetivismo del investigador en la selección de variables explicativas y
endógenas y cuales entran o no entran en el modelo especificado, cuando la teoría no proporciona
elementos suficientes para la especificación de los modelos econométricos.
En este caso las variables utilizadas fueron:
106
Importaciones totales de bienes de consumo (Mbc)
Importaciones totales de bienes de capital (Mbk)
Importaciones totales de bienes intermedios (Mbi)
Remesas familiares (REM)
Mbc t = a0 + a1 Mbk t-1 + a3 Mbi t-1 + a4 REM t-1
Mbk t = b0 + b1 Mbc t-1 + a3 Mbi t-1 + a4 REM t-1
Mbi t = c0 + c1 Mbk t-1 + c3 Mbc t-1 + c4 REM t-1
REM t = d0 + d1 Mbk t-1 + d3 Mbi t-1 + d4 REM t-1
e) Estimación del impacto de
un Acuerdo de Asociación
entre Centroamérica y la
Unión
Europea:
una
aplicación de un modelo
gravitacional de comercio
para el caso de Costa Rica
Instituto
de
Investigaciones en
Ciencias
Económicas,
IICE,
Costa Rica. María
Villalobos.
Datos de panel Costa Rica
(modelo
gravitacional)
Modelo
de
equilibrio parcial:
uniecuacional
En este estudio se utiliza el modelo gravitacional entre Costa Rica y la Unión Europea para el periodo
1998-2008. El modelo se aumenta por otras variables explicativas tales como tipo de cambio, barreras
arancelarias y no arancelarias, y frontera común. El modelo general especificado es:
Xij =
En logaritmos:
Ln Xij = ln
+ B1 ln ( PIBi * PIBj) – B2 ln Dij
El modelo especificado es (sin el término de perturbación):
CB ij = a0 + a1 (PIBi*PIBj)+ a2 (PIBPC*PIBPCj) + a3 Dij + a4 (1+TAi) + a5 (1+ TAj) + a6 TCERij
Variables utilizadas:
Comercio bilateral (CB)
PIB país i y país j (PIBi y PIBj)
PIB per cápita del país i (o país j) (PIBPCi y PIBPCj)
Distancia entre país i y j (Dij)
Tasas arancelarias impuestas en país i (TAi)
Tasas arancelarias impuestas en país j (TAj)
107
Tipo de cambio efectivo real entre país i y j (TCR ij)
En el trabajo también se usan y estiman los índices de intensidad de exportaciones e importaciones (ver
página 7) los cuales no son elaborados ni publicados por las instituciones encargadas de la política
comercial y deben ser calculados según la necesidad.
f) Modelo
macro SECMCA. San José, Ecuaciones
econométrico
Costa Rica, Dic. 2008. simultaneas
Regional II
Documento de Trabajo
SECMCA II – 2612
Centroamérica
(excepto
Panamá)
En este estudio se utilizan variables agregadas de todos los países centroamericanos excepto Panamá.
Por ejemplo, se suman las exportaciones de todos los países; la suma del PIB de todos los países, etc. Las
series son anuales del periodo 1970-2006.
Función del Producto
∇pibk=β0+ 4∇dk+ 5
+(
− 1
− 2
− 3 ) −1+
∇= operador diferencia;
Variables utilizadas:
pibk= producto interno bruto regional a precios constantes;
ckus= consumo de bienes no duraderos a precios constantes de los Estados Unidos;
dk= dinero en sentido amplio regional a precios constantes;
ik= formación bruta de capital regional a precios constantes;
= término de error con supuestos de media cero y varianza constante.
Función de Inversión
∇ik=γ0+ 3∇pibk + 4
+ 5
+( − 1
− 2
) −1+
Variables utilizadas:
ppk= precios del petróleo deflactados por los precios al consumidor regional
tia= tasa de interés activa promedio regional
tiar= tasa de interés activa promedio regional real
= termino de error
Función de Consumo Privado
∇ck=δ0+ 3∇indk + 4
+(
− 1
− 2
) −1+
Variables utilizadas:
108
ck= consumo regional a precios constantes;
indk= ingreso nacional disponible regional a precios constantes;
tip= tasa de interés pasiva promedio regional;
= termino de error
Función de Ingreso Nacional Disponible
= 0+ 1
+ 2 +
Variables utilizadas:
= ingreso nacional disponible
Pibk = PIB real
tr= transferencias corrientes regionales a precios constantes
= término de error con supuestos de media cero y varianza constante.
Función de Exportaciones
∇xk=κ0+ 3∇xk_us + 4
_ +(
− 1
_
− 2
− 3
_ ) −1+
Variables utilizadas:
xk= exportaciones extrarregionales a precios constantes
xk_us = demanda de los Estados Unidos por bienes producidos en la región a precios constantes
pibk_sc = producto interno bruto de los principales socios comerciales de la región a precios constantes
tcr= tipo de cambio real de la región.
= término de error con supuestos de media cero y varianza constante
Función de Importaciones
∇mk=λ0+ 3∇pibk + 4
+(
− 1
− 2 ) −1+
Variables utilizadas:
mk= importaciones extrarregionales a precios constantes
ps= precios al consumidor de los principales socios de la región
ti= términos de intercambio regionales
= término de error con supuestos de media cero y varianza constante.
Función de Precios
= 0+ 4
+ 5
+ 6
+ 7
−1+( − 1
− 2
− 3
_
) −1+
Variables utilizadas:
p = precios al consumidor regional;
109
tcn= tipo de cambio nominal regional;
pp= precios internacionales del petróleo;
pibk_gap = brecha del producto regional;
p= término de error con supuestos de media cero y varianza constante.
g) Modelo
Macro
econométrico
de
Pequeña escala para
El Salvador
Banco Central de Ecuaciones
Reserva
de
El simultáneas
Salvador. Luis Aquino
y Carlos Sanabria.
El Salvador
En esta investigación se estiman dos tipos de modelos: 1) uno con datos mensuales y 2) con datos
trimestrales. Ambos desarrollan ecuaciones por el lado de la oferta. Ambos modelos pueden usarse
para hacer proyecciones de corto y mediano plazo, realizar simulaciones de choques y para evaluar
medidas de política económica para la toma de decisiones, Se estimaron dichos modelos para el
periodo 1995-2006 (trimestral) y 1999-2006 (mensual). Los datos utilizados provienen del Banco Central,
de la oficina de nacional de estadística, Bloomberg y Departamento de Comercio de Estados Unidos.
Modelo Mensual, 1999-2006
Se elaboraron tres ecuaciones en formato logarítmico.
(1) Índice de Precios al Consumidor (ipc)
lipc = f [lw, lipim, gaplps, lprenrg]
Variables utilizadas:
w = Salarios medios
ipim = Índice de precios de importación
gaplps = Diferencia entre el índice de precios de servicios y el IPC
prenrg = precios de energía (US$/kwh)
(2) Crédito Bancario Real (crepr)
lcrepr = f [lm4r, lra1, lremr, lcafep]
Variables utilizadas:
m4r = agregado monetario en términos reales
ra1 = tasa de interés en dólares para préstamos a un año
remr = remesas familiares en términos reales
cafep = precios promedio mensual de quintal de café
110
(3) Índice del Volumen de la Actividad Económica (ivae)
livae = f [lcrepr, lipius, litcerusa, lremr]
Variables utilizadas:
crepr = Saldo de crédito real al sector privado
ipius = Índice de producción industrial de los Estados Unidos
itcerusa = Índice de tipo de cambio efectivo real bilateral con Estados Unidos
remr = remesas familiares en términos reales
Modelo Trimestral
Por el lado de la oferta, se incluyen ecuaciones para el Producto Interno Bruto, la tasa de inflación y
la tasa de interés doméstica, como variable de cierre.
Producto Interno Bruto (pib)
lpibt = f [ly*, lti, rr] (4)
Variables utilizadas:
y* = Producto Interno Bruto trimestral de Estados Unidos
ti = Indice de Términos de Intercambio
rr = Tasa de interés real
Tasa de inflación (ipc)
lipc = f [lpe, lipcx, lprol] (5)
Variables utilizadas:
pe = precio de energía $/ Kwh
ipcx = índice de precios al consumidor de los Estados Unidos
prol = Productividad, medido como la razón PIB trimestral/cotizantes al seguro social
La tasa de interés (R )
R = f [Rt-1, Rt-2, dummy]
Variables utilizadas:
Dummy = variable dicotómica para controlar por cambio de política
111
h) Modelo
Macro Banco Central de Ecuaciones
econométrico
de Nicaragua, Managua, simultaneas
Proyección de Corto Septiembre 2007
Plazo
para
Nicaragua
Nicaragua
El modelo se estima en frecuencia trimestral para el periodo comprendido entre 1994:1 y
2007:1 y se hace diversas simulaciones de política.El sistema de ecuaciones está compuesto por
tres grupos: a) el de oferta, que contiene una función de producción y una demanda de trabajo;
b) un grupo ecuaciones de demanda agregada, con ecuaciones por componente de la demanda
agregada; y c) un grupo de precios, donde se modelan ecuaciones para el nivel general de
precios, los salarios y los precios de los no transables.
Con el sistema de ecuaciones se pueden proyectar variables macroeconómicas claves. Además, su
puede servir para evaluar el impacto de diferentes shocks sobre la economía.
Ecuación de Producción
La oferta agregada se modela mediante una función de producción Cobb-Douglas con
elasticidades de producción constantes, la cual se presenta en la ecuación
yt=f (kt , lt , ptft ( poil_ realt , rib_ yt ))
Variables utilizadas:
yt = PIB
kt =stock de capital
lt = empleo
ptft = productividad total de los factores
poil_realt = precio real del petróleo
rib_yt = relación reservas internacionales a PIB.
Ecuación de Demanda de Trabajo
Para obtener una especificación de la demanda de trabajo se parte de la función de
producción Cobb-Douglas de la ecuación (1). Así, la demanda de trabajo está dada por:
lt f ( yt , wrealt )
Variables utilizadas:
lt = demanda de empleo
yt = PIB
wrealt = salario real.
112
Ecuación de Consumo Privado
const=f ( ydispot ,ipasiva _ realt ,cred _ yt ,tcrmt )
Variables utilizadas:
const = consumo privado,
ydispot = ingreso disponible
i_realt = tasa de interés real activa
cred_yt = cociente crédito a PIB y
tcrmt = tipo de cambio real de importaciones.
Ecuación de Inversión
fbkf_ privt = f (i _ realt ,credt , fbkf _ pubt ,tcrmt , yt )
Variables utilizadas:
fbkf_privt
yt
i_realt
credt
fbkf_pubt
tcrmt
= inversión privada
= PIB
= tasa de interés real activa
= crédito real
= inversión pública
= tipo de cambio real de importaciones.
Ecuación de Exportaciones
Se modela sin considerar los factores que afectan a la demanda de exportaciones por considerar que el
país es pequeño y tomador de precios.
xt= f ( yt ,tcrxt )
Variables utilizadas:
xt
yt
tcrxt
= exportaciones de bienes y servicios
= PIB
= tipo de cambio real de exportaciones
Ecuación de Importaciones (país pequeño)
mt= f (abst ,tcrmt )
Variables utilizadas:
mt
abst
tcrmt
= importaciones de bienes y servicios
= absorción
= tipo de cambio real de importaciones.
113
Ecuación de Inflación
La especificación de la ecuación de inflación que se presenta en este trabajo, surge como resultado de
integrar varias teorías acerca de los determinantes de la inflación. En general la inflación es producto de
varios factores económicos, los que incluyen: factores de oferta, que provienen de impulsos de costos o
relaciones de markup (Duesenberry, 1950; Brouwer y Ericsson,1998); factores de demanda que incluyen
shocks en la curva IS; factores monetarios, los cuales se refieren a desequilibrios en el mercado de
dinero; y finalmente, factores externos que incluyen los efectos del tipo de cambio nominal (paridad de
poder de compra).
ipct= f (tct ,ipmt*,wprodt , gapyt , gapmt )
Variables utilizadas:
ipct
= índice de precio al consumidor
tct
= tipo de cambio nominal
ipmt* = índice de precios de importación
wprodt = salario ajustado por productividad
gapyt = brecha de producto
gapmt = brecha monetaria.
Ecuación de Salarios
La modelización es consistente con las especificaciones empíricas en diversos estudios sobre este tema.
Δwt = f(wreservt ,inf e , Δprod _ mediat , ecmwt,Ut )
ecmwt−1 = wt−1 − ipct−1 − yt−1 − lt−1
Variables utilizadas:
Δwt
= tasa de crecimiento de los salarios nominales
wreservt = salario de reserva
infet
= inflación esperada
Δprod_mediat = tasa de cambio de la productividad media
ecmwt-1 = ecuación de largo plazo de los salarios
Ut
= tasa de desempleo
yt
= PIB
lt
= empleo
ipct
= índice de precios al consumidor.
Ecuación de Precios de No Transables
La ecuación de los precios de los no transables se deriva del modelo utilizado para modelar
las exportaciones y las importaciones (ver anexo 2), y se amplía para incorporar la brecha de
producto, la brecha monetaria y los salarios:
114
ipcntt= f (tct ,ipmt*,ipxt*,arant , yt ,abst , gapmt ,wprodt )
Variables utilizadas:
ipcntt = índice de precio de no transables,
tct
= tipo de cambio nominal,
ipmt* = índice de precios de importaciones en dólares,
ipxt* = índice de precios de exportaciones en dólares,
arant = tasa de arancel a las importaciones,
yt
= PIB real,
abst
= absorción,
gapmt = brecha monetaria y
wprodt = el salario ajustado por productividad.
i) Instrumentos
para
la
evaluación del impacto de
acuerdos
comerciales
internacionales: aplicaciones
para países pequeños en
América Latina
CEPAL,
No aplica análisis Latinoamérica
México, D. econométrico pero
F., junio de hace una revisión
2009.
de una muestra de
Alberto
estudios
que
Trejos
aplican
diversas
metodologías
En este estudio no se presentan las especificaciones de los modelos analizados o comentados. , pero se
mencionan algunos de los revisados en esta consultoría en el grupo de modelos de equilibrio general
computables (MEGC). El siguiente Cuadro No. 2 es extraído de este estudio de Trejos (página 27)
porque presenta una lista adicional de estudios relevantes para el tema de esta consultoría, los cuales es
importante revisar aunque su implementación es compleja y requiere de información sobre matrices de
contabilidad social que no están disponibles para todos los países o no están actualizadas.
La información utilizada por estos estudios con modelos matemáticos de programación lineal y no lineal
es producida principalmente por bancos centrales, ONEs, los ministerios de hacienda, agenciad de
aduanas, y ministerios de economía y/o de comercio.
Las variables económicas y sociales utilizadas son innumerables y se encuentran en diferentes
instrumentos de recolección y organización de información entre las que se cuentan39:
Matriz de Insumo-Producto (MIP)
39
Una descripción detallada de la metodología muy útil puede encontrarse en DANE (2005),
Documento metodológico de la Matriz de Contabilidad Social (MCS), Dirección de Síntesis y Cuentas Nacionales,
Investigaciones especiales, Bogota, Colombia
115
Matriz de contabilidad social (MIP más información de otras instituciones, ver a continuación)
Encuesta de hogares (categorías de empleo, niveles de salariales, etc.)
Encuesta de ingresos y gastos
Encuestas de empleo
Declaraciones de impuestos sobre renta
Transferencias públicas a los hogares
Clasificación de importaciones y exportaciones por rubro y clasificación económica
Elasticidad sustitución de importaciones y de factores de producción
Etc. Etc.
Es importante destacar que los MEGC son muy sensibles a los parámetros y supuestos que se
introduzcan en los modelos pueden diferir notablemente de un investigador a otro. En este sentido, los
impactos estimados originados por cambios en políticas económicas y choques externos deben ser
examinados con cautela para derivar conclusiones de políticas económicas.
Cuadro No. 2
116
j) Apertura comercial
y
pobreza
en
Centroamérica:
logros y desafíos
CEPAL,
Revista
CEPAL No.
98,
México,
Agosto
2009. M. Sánchez
Modelo de Equilibrio
General Computable
(MEGC)
y
micro
simulaciones
Costa
Rica,
Honduras y El
Salvador
(MEGC)
En este trabajo se utilizó un MEGC estático para cada uno de los tres países estudiados. El documento
no presenta las ecuaciones del modelo ni por tanto el listado de variables utilizadas en su calibración y
en las simulaciones. Aunque menciona que se basó en el conocido modelo de equilibrio general
117
computable desarrollado en el Instituto Internacional de Investigaciones sobre Políticas Alimentarias, el
cual se describe detalladamente en Löfgren y otros (2002).
Como se mencionó en los comentarios al estudio del literal anterior (i), la base de datos proviene de una
matriz de contabilidad social; se necesitaron estimaciones de elasticidades y la dotación de factores. La
matriz de contabilidad social proporciona toda la información de las estadísticas económicas y sociales
para un año base determinado para el cual se elabora la MCS con insumos de diferentes fuentes: MIP,
encuestas de hogares, declaraciones de impuestos, declaraciones aduaneras, y cifras de empleo y
salarios entre otras variables. La MCS provee coherencia contable y las dimensiones del modelo —es
decir, el número de actividades de producción, bienes y servicios, factores e instituciones. Las
elasticidades que requieren estos modelos deben estimarse por separado; estas elasticidades definen el
grado de respuesta ante una variación de los precios relativos simulada o ante un choque externo
simulado. Las matrices de contabilidad social y demás datos necesarios para este trabajo se tomaron de
estudios previos realizados en 2004 por:
Para Costa Rica: Sánchez, M.V. (2004): Rising Inequality and Falling Poverty in Costa Rica’s Agriculture
during Trade Reform. A Macro-microGeneral Equilibrium Analysis, Maastricht, Shaker.
Para El Salvador y Honduras: Ganuza, E., S. Morley y otros (comps.) (2004): ¿Quién se beneficia del libre
comercio? Promoción de exportaciones y pobreza en América Latina y el Caribe en los 90, Bogotá, D.C.,
Programa de las Naciones Unidas para el Desarrollo (PNUD)/AlfaOmega.
Para efectos de ejemplificar el contenido de una MCS a continuación se presenta una matriz extraída de
Fernández, E. (2003). Esta matriz muestra como la matriz de insumo producto es aumentada con
información social de los hogares e instituciones cuya información es obtenida de diferentes fuentes
para obtener “la matriz social”, es decir la MIP aumentada con un importante nivel de información social
que es la característica esencial de las MCS.
Ns
118
FuenteFuFFF
LofgrenFffeestertretreterterqqq
k) Modelo
de
Equilibrio General
Computable
para
Nicaragua.
Banco Central de Nicaragua, MEG
Documento de Trabajo No.
02-2010. Managua, Febrero
2010. Oscar Gámez
Nicaragua
El propósito de este trabajo es proponer un MEGC que permita determinar, de manera razonable, el
impacto de políticas económicas y choques exógenos sobre diversos sectores en la economía
nicaragüense. Como se verá a continuación, estos modelos demandan de una gran cantidad de
información. En particular, utilizan la matriz de insumo producto (aumentada con información social de
los hogares) para conocer los coeficientes técnicos de la estructura productiva a fin de estimar las
relaciones cuantitativas entre los sectores productivos; también se requiere información de encuestas
de hogares referentes a variables como niveles de ingreso, calificación de la mano de obra, pago de
impuestos, etc.; esta información se requiere para elaborar la matriz de contabilidad social. La MCS
utilizada en este estudio fue elaborada por el Banco Central de Nicaragua para el año base 2000.
Los MEGC son diseñados de acuerdo a los objetivos de cada investigación. En este caso, se destaca su
diseño para uso del Banco Central de Nicaragua por lo cual se especifican ecuaciones del lado del sector
financiero, lo cual no se hace en otros modelos.
Este modelo se divide en dos grandes partes. La primera es referida a los aspectos reales de la economía
nicaragüense. La segunda se considera los financieros. La primera se presenta como se hace típicamente
119
en los trabajos de modelos de equilibrio general, donde se presentan cuatro bloques: precios,
actividades y productos, instituciones y restricciones de la parte real.
1. ASPECTOS REALES
En primer lugar, el modelo requiere definir los dominios, las variables y los parámetros utilizados.
Donde las letras minúsculas se refieren a elementos de un conjunto y las letras mayúsculas se refieren al
conjunto total. Las letras y significan “pertenece a” y “está incluido” respectivamente. Por ejemplo,
c representa a los diferentes productos (producidos y consumidos) y C al conjunto de productos
(producidos y consumidos) los cuales pueden ser importados (CM) o no importados (CNM).
Variables
EG
EXR
FSAV
IADJ
PAa
PDc
PEc
PM
PQc
PVAc
PXc
QAa
QDc
QEc
QFf a
QFSf
iac t
gasto del gobierno
tipo de cambio (moneda doméstica por moneda extranjera)
ahorro externo
factor de ajuste de la inversión
precio de la actividad
precio doméstico del producto doméstico
precio de exportaciones (moneda doméstica)
precio de importaciones (moneda doméstica)
precio del producto compuesto
precio del valor agregado
precio del productor
nivel de actividad
cantidad de producto doméstico vendido domésticamente
quantum exportado
cantidad demandada del factor “f” de parte de la actividad “a”
oferta del factor “f”
tasa de interés activa
120
QHch cantidad de consumo de producto “c” por parte del hogar “h”
QINTc cantidad de uso intermedio de producto por parte de la actividad “a”
QINVc cantidad de demanda de inversión
QMc quantum de importaciones
QQc
cantidad ofertada a los demandantes de producto doméstico (oferta compuesta)
QXc
quantum de producto doméstico
WALRAS variable dummy (cero en equilibrio)
WFf
tasa de renta del factor “f”
WFDISTf a
distorsión del factor “f” en la actividad “a”
Y Fhf
transferencia de ingreso al hogar “h” del factor “f”
YG
ingreso del gobierno
Y Hh
ingreso de los hogares
Descripción de cada uno de los bloques de ecuaciones del sector real.
1. Bloque de precios
2. Bloque de actividades y productos
121
122
3. Bloque de instituciones
4. Restricciones de los aspectos reales
123
2. ASPECTOS FINANCIEROS
Descripción de las ecuaciones y variables del sector financiero. Todas las variables pertenecen a las
estadísticas monetarias y financieras del sector financiero de Nicaragua y producido por el Banco Central
de Nicaragua.
1. Hogares rurales
Donde:
BIMORU0
Y H0HHDRU
BIMORU
Y HHHDRU
saldo de billetes y monedas de los hogares rurales en el año base
ingreso corriente de los hogares rurales en el año base
saldo efectivo de billetes y monedas de los hogares rurales
ingreso corriente efectivo de los hogares rurales
Donde:
CBHRU
demanda total de crédito de parte de los rurales
124
UCBHRU
IACT
ECBHRU
factor de expansión de la demanda de crédito
tasa de interés activa que cobran los bancos comerciales;
elasticidad de la demanda de crédito con respecto a la tasa de interés activa
2. Hogares urbanos
Donde:
BIMOUR0
saldo de billetes y monedas de los hogares urbanos en el año base
Y H0HHDUR ingreso corriente de los hogares urbanos en el año base
BIMOUR
saldo efectivo de billetes y monedas de los hogares urbanos
Y HHHDURingreso corriente efectivo de los hogares urbanos
Donde:
CBHUR
UCBHUR
IACT
ECBHUR
demanda total de crédito de parte de los urbanos
factor de expansión de la demanda de crédito
tasa de interés activa que cobran los bancos comerciales
elasticidad de la demanda de crédito de los urbanos con respecto a la tasa de interés
3. Bancos comerciales
Donde:
BIMOSF saldo en caja de los bancos comerciales
CDEP
fracción de los depósitos totales que los bancos comerciales mantienen en forma de caja
DEPRU saldo de depósitos de los rurales
DEPUR saldo de depósitos de los urbanos
DEPGOV saldo de depósitos del gobierno
DEPROW saldo de depósitos del resto del mundo
Donde:
ENC
saldo de encaje de los bancos comerciales en el banco central
T ENC
tasa de encaje efectiva de los bancos comerciales sobre los depósitos
125
Donde:
RIBSF
saldo de reservas internacionales brutas de la banca comercial
URIBSF factor de expansión de la demanda de reservas internacionales
ASSSF
total de activos generadores de rendimiento, a saber, reservas internacionales, títulos del
gobierno y el banco central, y crédito a los diversos agentes de la economía
OPRIBSF costo de oportunidad de invertir en el extranjero, el cual es un promedio ponderado de los
retornos de las otras alternativas de inversión en activos generadores de rendimiento
ERIBSF elasticidad de la demanda de reservas con respecto al retorno relativo de dicha inversión
Donde:
LBCSF
LGSF
ULBCSF
ULGSF
IBC
IG
OP LBCSF
OP LGSF
ELBCSF
ELGSF
demanda de títulos emitidos por el banco central de parte de la banca
demanda de títulos emitidos por el gobierno de parte de la banca
factor de expansión de la demanda de títulos del banco central
factor de expansión de la demanda de títulos del gobierno
tasa de retorno de los títulos emitidos por el banco central
tasa de retorno de los títulos emitidos por el gobierno
costo de oportunidad de los títulos del banco central
costo de oportunidad de los títulos del gobierno
elasticidad de la demanda de títulos del banco central con respecto al retorno
elasticidad de la demanda de títulos del gobierno con respecto al retorno
Las variables ya fueron definidas. Esta es una igualdad de balance financiero (activos igual pasivos).
4. Banco Central
Donde:
RIBBC
reservas del banco central
OAINBC otros activos internos netos del banco central
126
DGBC
DEBC
depósitos del gobierno en el banco central
deuda externa del banco central
5. Gobierno
Donde:
DGBC0 saldo de depósitos del gobierno en el banco central en el año base
AGOB fracción del ahorro del gobierno que va dirigida a incrementar los depósitos del gobierno en el
banco central
Donde:
DEPGOV0
saldo de depósitos del gobierno en la banca comercial en el año base
Donde:
EXR0
tipo de cambio del córdoba con respecto al dólar en el año base
FSAV0
ahorro externo en el año base
DEHUR0 deuda externa de los hogares urbanos en el año base
DESF0
deuda externa de los bancos comerciales en el año base
DEBC0
deuda externa del banco central en el año base
DEGOV0 deuda externa del gobierno en el año base
DEPROW0 saldo de depósitos del resto del mundo en el año base
RIBSF0
saldo de reservas internacionales de la banca comercial en el año base
RIBBC0
saldo de reservas internacionales del banco central en el año base
127
l) Perturbaciones internas y externas
en pequeñas economías abiertas:
un análisis de equilibrio general
para el caso de Nicaragua (19942011).
Banco
Central
de MEGC
Guatemala Documento
de Trabajo No. 127,
Febrero 2013. Alfredo
Ibrahim Flores Sarria
Nicaragua
A continuación se listan los parámetros y variables utilizadas en el MEGC para Nicaragua.
LOS HOGARES
β
θ
φ
C
L
γ
δ
η
CH
CF
W
B
P
i
PH
PF
E
Factor de descuento
Medida absoluta de aversión al riesgo
Elasticidad de la oferta de trabajo
Consumo
Dotación del factor trabajo
Persistencia de los hábitos de consumo
Medida asociada al grado de aperturacomercial
Elasticidad sustitución entre bienes domésticos y bienes importados
Consumo de bienes producidos domésticamente
Consumo de bienes importados
Salario real
Activos en forma de bonos
Nivel general de precios
Tasa de interés nominal
Componente doméstico del nivel general de precios
Componente externo del nivel general de precios
Tipo de cambio nominal
LAS EMPRESAS
Yt
At
Lt
PMLt
cmt
pt
λ
Nivel de producción
Estado de la tecnología
Dotación de trabajo
Producto marginal del trabajo
Costo marginal real para las empresas
Nivel general de precios
Inflacion
Parámetro asociado a la rigidez de precios
EL SECTOR EXTERNO
CHt
CFt
Ext
IMt
Demanda bienes y servicios producidos domésticamente
Demanda de bienes y servicios importados
Exportaciones
Importaciones
128
XNt
E
Exportaciones netas
Tipo de cambio
LA INFLACIÓN Y EL TIPO DE CAMBIO REAL
P*t
Nivel de precios extranjeros
ACTIVOS Y PARIDAD DESCUBIERTA DE LA TASA DE INTERÉS
it
i*t
Φ
Tasa de interés domestica
Tasa de interés externa
Prima de riesgo cambiario
m) Impacto de la eliminación de
los CAT y del otorgamiento de
otros incentivos de política
comercial:
Un
análisis
cuantitativo de EGC
Asamblea Legislativa de MEGC
Costa Rica. Volumen 8,
N° 1 de la Revista
Parlamentaria, abril del
2000. Marco V. Sánchez
Costa Rica
Este MEGC contiene 133 variables endógenas en el modelo que están determinadas por 133 ecuaciones. Por
razones de espacio solo se listan las variables económicas y sociales utilizadas para la calibración y estimación del
modelo y de las simulaciones realizadas. El siguiente cuadro muestra la nomenclatura utilizada y el número de
variables por cada caso (i) o (j); donde cada caso requiere estimar una ecuación. El total de casos es de 113
variables endógenas. Las variables exógenas suman en total 112.
129
130
n) Acuerdo de Asociación
Centroamérica
–
Unión
Europea: Evaluación utilizando
Equilibrio General Computable
y Equilibrio Parcial
CEPAL, Santiago de MEGC
y Costa
Rica,
Chile, noviembre de equilibrio
Guatemala y
2008. José E. Durán parcial
Nicaragua
Lima y Mariano Álvarez
Este trabajo utiliza un MEGC desarrollado por la Universidad de Perdue de los Estados Unidos bajo el
Proyecto de Evaluación del Comercio Global (Global Trade Assessment Project,GTAP,
https://www.gtap.agecon.purdue.edu). La base de datos que utiliza el estudio es propiedad de este
proyecto y está conformada por una amplia base de datos que incluye los flujos de comercio
(exportaciones e importaciones), tarifas arancelarias existentes para países de forma individual y por
bloques de países y la estructura de aranceles existentes derivados de acuerdo comerciales vigentes.
Dado que en el caso de Centroamérica no existe información desagregada para El Salvador y Honduras
(los cuales aparecen en forma agregada como “Resto de Centroamérica”), el estudio utiliza una
metodología de equilibro parcial para estos países y utiliza el MEGC para el resto de países (Costa Rica,
Guatemala y Nicaragua; no incluye Panamá). La base de datos de GTAP se actualizo desde 2004 hasta
2007 (el año base entonces se estableció en 2007). Para el análisis de simulaciones el año base es 2006.
El objetivo del trabajo es medir el impacto de la firma de un Acuerdo de Asociación (AA) entre
Centroamérica y la Unión Europea en el comercio y por tanto en las economías en sus principales
variables agregadas. Con el fin de analizar el efecto de un AA en las exportaciones e importaciones de
como consecuencia de una rebaja arancelaria de 10%, este trabajo realiza estimaciones de utilizando un
131
análisis parcial. Para ello utiliza las siguientes ecuaciones econométricas. El enfoque seguido es el de
creación de comercio, que consiste en calcular el aumento de las exportaciones e importaciones que se
produciría ante una variación arancelaria determinada.
Dónde:
ΔM= Variación del volumen de las importaciones;
ΔX= Variación del volumen de las exportaciones;
ΔB= Variación en el Bienestar;
ε= Elasticidad precio de la demanda de importaciones;
t0= Arancel aplicado a un bien al importar o exportar en la línea de base;
t1= Arancel aplicado a un bien al importar o exportar después de la suscripción de un acuerdo comercial;
ϒ= Elasticidad precio de las exportaciones;
M0 = Nivel del volumen de las importaciones en la línea de base;
X0 = Nivel del volumen de las exportaciones en la línea de base.
Es importante señalar que el modelo GTAP está disponible en línea y permite realizar simulaciones de
política comercial para lo cual es necesario conocer su funcionamiento. El sitio web ofrece la
información pertinente tales como guías de usuario para conocer y poder utilizar la herramienta (base
de datos y MEGC).
132
VI.
INVENTARIO Y DISPONIBILIDAD DE LA INFORMACION
UTILIZADA POR LAS METODOLOGIAS DE MEDICION DEL
IMPACTO DEL COMERCIO INTRARREGIONAL EN LAS
ECONOMIAS CENTROAMERICANAS
En esta sección se presenta la información que se encuentra disponible en los países centroamericanos y
que, una vez obtenida de las fuentes que producen y publican dicha información, puede ser utilizada
para replicar las metodologías de medición de impacto que se han revisado en el contexto de esta
consultoría -equilibrio parcial, equilibrio general (sistema de ecuaciones simultáneas y modelos de
programación lineal y no lineal MEGCs).
La disponibilidad de la información económica se define, en la construcción de este inventario, como la
existencia de la misma en alguna institución u organización pública o privada, independiente de si es
publicada o no por los países. Es importante notar que mucha información económica y social
recolectada por los países no siempre es publicada periódicamente por razones de simplicidad y
espacio, así como por razones técnicas, este es el caso por ejemplo de series de las variables económicas
y sociales son recolectadas, a partir de un año determinado, utilizando una metodología diferente que
hace que las series no sean comparables a través del tiempo. Por ejemplo, la clasificación de las
actividades productivas y del comercio exterior se organiza de acuerdo a manuales elaborados por las
Naciones Unidas y la Organización Mundial de Aduanas respectivamente, y dichos manuales son
revisados después de un cierto tiempo para actualizar la metodología de clasificación de los hechos
económicos; cuando esto sucede, las series de un periodo pueden no ser comparables con las de un
periodo anterior. Los investigadores deben en estos casos realizar los ajustes necesarios para hacer
comparables estas series económicas y sociales. Además de las razones anteriores que de alguna
manera limitan la disponibilidad de información económica para la investigación existen criterios que
dependen en parte de la subjetividad de las instituciones que producen la información. Los criterios que
suelen utilizar las instituciones para decidir si publican o no la información es su relevancia para el
análisis económico y social así como el uso frecuente de la misma. Sin embargo, si alguna información
producida por una institución no es publicada, dicha información puede ser solicitada a las instituciones
u organizaciones productoras, las cuales generalmente la proveen, siempre que se respecte la
confidencialidad de la información en el caso de la información individual40. Un ejemplo de esta
información es la proveniente de encuestas y de declaraciones de impuestos, la cual se utiliza para la
construcción de matrices de contabilidad social, las cuales a su vez son necesarias para la aplicación de
las metodologías que usan los MEGCs. En algunos casos, existe un cargo monetario para acceder a la
información; dicho cargo generalmente representa el costo de los medios utilizados para preparar y
entregar la información (papel, fotocopias, CDs, etc.).
Como resultado de aplicar distintos criterios para publicar o no un conjunto de información
determinado se tiene que los países centroamericanos publican información que no está armonizada en
40
Todas las legislaciones sobre estadísticas prohíben proporcionar información a nivel individual. En algunos casos
existen leyes de acceso a la información que prohíben dar cierta información que se considera sensible. Por
ejemplo, en El Salvador existe la Ley de Acceso a la información Pública (LAIP) decretada en marzo de 2011.
133
general. No obstante, existe un subconjunto de información básica que es publicada por todos los
países; este subconjunto de información básicamente viene determinado por las demandas de
información y por los requerimientos de información de organismos internacionales multilaterales (FMI,
CEPAL, UN, BM, BID, UNESCO, OIT, etc.) y los investigadores. Como es de esperarse la información
“genérica” publicada no suele llenar las necesidades de información de investigaciones sobre temas
específicos. Esto se aplica por ejemplo al caso que nos ocupa: la medición del impacto del comercio
intrarregional en las económicas centroamericanas, independientemente de la metodología que se
utilice para dicha investigación, como se verá más adelante al presentar detalladamente el inventario de
información disponible para medir la relación comercio-crecimiento. En este sentido es importante que
exista una organización bilateral o multilateral a nivel regional en Centroamérica que llene este vacío de
información para analizar el tema comercio y crecimiento económico y de esta manera promover la
investigación en esta materia a través de eliminar el desaliento que puede causar la falta de información
apropiada y oportuna41.
Como se verá también más adelante, existen organizaciones multilaterales que mantienen bases de
datos que son frecuentemente utilizadas por los analistas tanto públicos como privados. Entre estas la
principal es la base de datos de las Naciones Unidas COMTRADE que brinda información sobre el
comercio bilateral de más de 190 países o territorios aduaneros. Otra fuente de información importante
muy consultada por los estudiosos es la base de datos del Banco Mundial “World Development
Indicators” (Indicadores del Desarrollo Mundial) aunque su información es bastante agregada en las
variables de comercio y crecimiento. La base COMTRADE tiene un uso gratuito pero limitado; para usar
todo su potencial se debe realizar un cargo de membresía (aunque muchas veces, el acceso limitado que
ofrece gratis puede llenar las necesidades e información para ciertos estudios).
En esta sección se determina con detalle cual es el inventario de información que los países disponen
para realizar las investigaciones sobre comercio-crecimiento y cuál debe ser elaborada por los
investigadores. La realización del presente inventario de la información disponible en los países
centroamericanos es importante al menos por las siguientes razones:
1.
En primer lugar, uno de los propósitos de esta consultoría es dotar a la SIECA de los enfoques
y metodologías que identifiquen los mecanismos de transmisión e impactos cuantitativos del
comercio sobre el crecimiento con el fin de proponer acciones de política a los países del
Subsistema Económico Centroamericano, lo cual requiere información especializada en el tema
de comercio internacional. El inventario proporciona información sobre las fuentes primarias
que construyen o recopilan la información utilizada en las metodologías de medición de impacto
del comercio en el crecimiento (MMICC), su disponibilidad en internet, los años para los cuales
está disponible la información, la necesidad de construir algunos indicadores y las fuentes de
que proveen la información para elaborar dichos indicadores. Es importante señalar la
conveniencia de crear un Sistema de monitoreo y evaluación (SME) que incluya la información
necesaria para implementar las MMICC42. Los estudios revisados en esta consultoría, en general
41
Como se mencionó antes, la información puede ser proporcionada por las fuentes primarias de información
(bancos centrales, aduanas, ministerios y ONEs) pero a un costo y después de un periodo de tiempo que puede ser
limitante para los análisis que se desean realizar.
42
. En estos SME se identifican las fuentes primarias, los indicadores o variables necesarias para esas
metodologías, la periodicidad de la información, los tiempos de publicación o producción, los responsables de
producir la información y los planes de análisis de dicha información. Este SME alimentaría de información a los
134
no declaran las fuentes de información o solo la indican de manera parcial, tampoco incluyen las
series históricas de las variables utilizadas en los estudios lo cual no favorece la confiabilidad o
credibilidad de los hallazgos y conclusiones aportadas. En este sentido, el presente inventario
proporciona una buena idea del conjunto integral de información que se requiere para
implementar diversas MMICC y de los esfuerzos necesarios para conformar una base de datos
ad-hoc para la implementación de dichas metodologías.
2.
El presente inventario permite formarse una buena idea del grado de homogeneidad de la
información disponible en términos del contenido y de los pedidos de su cobertura. Conocer
estas diferencias es importante porque permite hacerse una idea del esfuerzo que habría que
hacer para armonizar la información que es necesaria para implementar las MMICC de cara al
propósito de mantener una base de datos mínima para el análisis e investigación permanente
sin depender de estudios esporádicos que encarguen los países de manera separada y dispersa
en el tiempo.
3.
El inventario es un instrumento de trabajo que facilitaría a corto plazo replicar los estudios
existentes a la fecha sobre el impacto del comercio en el crecimiento de las economías
centroamericanas. Los países pueden tener acceso al inventario y ahorrar esfuerzos en la
búsqueda de la información necesaria para realizar las investigaciones revisadas en esta
consultoría ya que se incluyen las fuentes y periodos de cobertura de las variables económicas
que se requieren para la implementación de las metodologías de medición del impacto del
comercio en el crecimiento de las economías centroamericanas. Lo ideal es que se construya
una base de datos que esté disponible en línea y que sea de acceso libre a los analistas e
investigadores.
4.
El inventario también puede servir para que la SIECA coordine con los distintos países de la
región, particularmente con las instituciones que son las fuentes primarias de la información, la
construcción de la base de datos mencionada anteriormente. Estas fuentes son las instituciones
a las cuales les corresponde a nivel gubernamental –muchas veces por ley –preparar y publicar
periódicamente información relevante para el análisis del desempeño de las economías. De
esta manera, la SIECA podrá visualizar los potenciales socios que se requieren como parte del
esfuerzo de alimentar con información relevante las metodologías de medicino de impacto de la
relación comercio-crecimiento. Dada la naturaleza de “bien público” que tiene toda información
–es decir, su uso por parte de un país no excluye el uso de la misma por parte de otros país- y la
falta de recursos suficientes en los países individuales para producir información económica
relevante, resultaría muy eficiente lograr identificar una instancia que se encargue de construir y
dar mantenimiento a una base de datos con toda la información relevante para implementar las
metodologías de medición de impacto del comercio en el crecimiento.
Para determinar cuál información está disponible y accesible, y para qué periodos está disponible dicha
información, se consultaron los sitios de internet (páginas web) de las instituciones que constituyen las
fuentes primarias de la información que utilizan los estudios revisados en esta consultoría. Estas son los
bancos centrales (BCs), las oficinas nacionales de estadística (ONEs), las agencias aduanales (AA) y los
ministerios a cargo del comercio (MCCs); es importante señalar que en el caso de Panamá, donde no
existe banco central debido al régimen dolarizado de la economía; en este país la ONE es la responsable
enfoques y metodologías de análisis del comercio-crecimiento que adopte la SIECA como resultado de esta
consultoría.
135
de producir y publicar la información que le correspondería al banco central. El resultado de la revisión
permitió determinar que las AAs no publican la información o lo hacen de manera muy escueta o
mínima43, esto es así porque ellas comparten la información de los flujos comerciales y otra información
con los bancos centrales los cuales son de facto o por ley los responsables de recopilar, organizar y
publicar la información económica relevante en los países. Por otro lado, los MCCs tampoco se encargan
de producir la información necesaria para implementar las MMICC sino que más bien son usuarios de
dicha información y en sus portales de internet publican información la cual en general es menos
detallada que la publicada por los BCs o las series anuales (o de menor frecuencia: trimestrales o
mensuales) se refieren a periodos de menor cobertura temporal que la publicada por los BCs. Mucha
información que producen las ONEs no es publicada por los BCs ya que se trata de encuestas y censos
económicos los cuales no brindan series de tiempo como las que se utilizan en la implementación de las
MMICC. Sin embargo, las encuestas proveen información derivada de las encuestas y registros
administrativos que se utilizan de manera intensiva en la construcción de matrices de contabilidad social
(MCS); entre las encuestas más utilizadas están las encuestas de hogares, de trabajo, de ingresos y
gastos, y de negocios. La información que se utiliza en la elaboración de las matrices de contabilidad
social (MCS) debe ser elaborada por los autores de las investigaciones utilizando técnicas especiales que
buscan hacer consistente la información social de las encuestas con la información económica que
preparan los BCs en la matriz de insumo-producto que tampoco es publicada, en particular dichas
técnicas se aseguran que la información se organice de manera que haya consistencia y equilibrio
contable en toda la información procesada. La información que más esfuerzo requeriría para
implementar las MMICC revisadas en esta consultoría, específicamente los modelos de equilibrio
general computable, son las que se derivan de las encuestas y registros administrativos de las ONEs.
Las páginas web consultadas de las instituciones son las siguientes:
EL SALVADOR
Banco Central:http://www.bcr.gob.sv/esp/
Agencia de Aduanas:http://www.mh.gob.sv/portal/page/portal/PMH/Institucion/Aduana
Oficina de Estadística y Censos:http://www.digestyc.gob.sv/
Ministerio de Economía y/o comercio:www.minec.gob.sv
GUATEMALA
Banco Central:http://www.banguat.gob.gt/
Agencia de Aduanas:http://sat.gob.gt/sitio/index.php/aduanas.html
Oficina de Estadística y Censos:http://www.ine.gob.gt/np/
Ministerio de Economía y/o comercio:www.mineco.gob.gt/
HONDURAS
Banco Central:http://www.bch.hn/
Agencia de Aduanas: http://www.dei.gob.hn/website/?cat=1257
Oficina de Estadística y Censos:http://www.ine.gob.hn/
Ministerio de Economía y/o comercio:www.sic.gob.hn
NICARAGUA
Banco Central:http://www.bcn.gob.ni/
Agencia de Aduanas:http://www.dga.gob.ni/
Oficina de Estadística y Censos:http://www.inide.gob.ni/
Ministerio de Economía y/o comercio:www.mific.gob.ni
43
Básicamente la información que suelen publicar las ONEs son la inflación, los salarias, el empleo y características
de los hogares (vivienda, educación, salud, remesas, tipo de empleo e ingreso).
136
COSTA RICA
Banco Central:http://www.bccr.fi.cr/
Agencia de Aduanas:http://www.hacienda.go.cr/contenido/284-servicio-nacional-de-aduanas
Oficina de Estadística y Censos:http://www.inec.go.cr/Web/Home/pagPrincipal.aspx
Ministerio de Economía y/o comercio:www.comex.go.cr
PANAMA
Banco Central: No existe
Agencia de Aduanas:http://www.panamatramita.gob.pa/institucion/autoridad-nacional-de-aduanas
Oficina de Estadística y Censos:http://www.contraloria.gob.pa/inec/Publicaciones
Ministerio de economía y/o comercio: http://www.mici.gob.pa/
Dada la importancia de la información económica producida por los BCs, la cual representa casi el 100%
de la información que se utiliza en las investigaciones revisadas en esta consultoría, se contactó a todos
los BCs y a la ONE de Panamá, vía correo electrónico para consultarles si tienen información con una
cobertura temporal más amplia (periodos más largos) que la presentada en los sitios web. De 6 países
consultados, solo tres respondieron y señalaron que la información publicada en los sitios web es la toda
la información de que disponen. Esta respuesta era previsible ya que se trata de un servicio en línea que
no tiene como propósito brindar toda la información procesada por las instituciones. Esto significa que
para acceder a información más amplia en términos de periodos de cobertura y más detallada, se deben
gestionar solicitudes a través de otros medios. Dada esta situación, se puede concluir que existe una
oportunidad en la región para mejorar la diseminación de información económica relevante para los
analistas a fin de promover la investigación de los temas económicos más importantes como es el caso
del tema comercio –crecimiento. La función generadora de información en línea con las características
deseables para propiciar la investigación más rigurosa que arroje resultados más robustos, podría ser
asumida por un organismo multilateral como la SIECA.
A continuación se presenta la información disponible en los países centroamericanos que es necesaria
para implementar las metodologías de medición de impacto de variables económicas relevantes
relacionadas con las teorías del comercio internacional y el crecimiento económico.
Los cuadros presentados se organizan de la siguiente manera:
Las columnas 1 y 2 identifican las variables utilizadas en las investigaciones realizadas y que han sido
revisadas en esta consultoría como las metodologías más recientes implementadas en la región
centroamericana para medir el impacto de variables relacionadas con el comercio regional. La
nomenclatura de identificación de la columna 1 es la que aparece en los estudios. En la tercera columna
se consigna la unidad de medida de las variables las cuales pueden ser: unidad monetaria (UM),
porcentajes o proporciones (%), índice, cociente, personas, números absolutos enteros, dummy, y
kilómetros (kms).
Las columnas de la 4 a la 9 indican el año a partir del cual están disponibles las series en las páginas
oficiales de internet de las instituciones seleccionadas para realizar el inventario de la información
disponible. Una “x” significa que la información no está disponible en la forma utilizada en la
investigación; sin embargo debe señalarse que algunas de las variables utilizan información primaria que
si está disponible en las páginas de internet pero que requieren algún grado de cálculos o estimaciones.
Por ejemplo, el índice de apertura externa utiliza información de las exportaciones, importaciones y PIB
anuales que si está disponible. Otro ejemplo es el índice de los términos de intercambio, el cual es una
137
variable que no figura en todas las páginas web y se calcula con índices de precios de las importaciones y
exportaciones. Es importante aclarar que los índices mencionados pueden ser calculados de diferente
manera por distintos analistas, por ejemplo, las exportaciones pueden incluir o excluir maquilas; o
referirse a un grupo de países o regiones. En estas columnas se usan las siglas NA que significan “No
Aplica”
La columna 10 contiene la fuente primaria (se consigna una sola fuente como ejemplo, ya que pueden
existir diferentes fuentes que brindan la misma información como en el caso del PIB de los Estados
Unidos) para aquellas variables que no están disponibles en las instituciones productoras de la
información económica y social requerida por una determinada metodología de cuantificación
econométrica. Por ejemplo, el índice de diversificación de exportaciones no existe en ningún portal de
internet de los países de la región, pero la información necesaria para su cálculo los producen los BCs;
los salarios promedio ganados por los hogares rurales tampoco está disponible en la internet pero la
información primaria la recopilan las oficinas de estadística de cada país (ONEs) las cuales disponen de la
información básica necesaria para calcular el índice. Las fuentes pueden ser: BCs, ONEs, agencias
aduanales (AAs), ministerios a cargo del comercio (MCC), otros (ministerios de hacienda o finanzas,
institutos de seguridad social, registros de comercio, la base de datos de las naciones Unidas
denominada COMTRADE, otros estudios empíricos, etc.), el Banco Mundial con su base de datos
Indicadores de Desarrollo Mundial (WDI), y la Reserva Federal de San Luis de Estados Unidos (FED ST L) y
el propio autor de la investigación (AUT). Es importante señalar en relación con la Fuente Primaria
“AUT”, que cierta información requiere o depende del juicio del mismo; este es el caso por ejemplo de
las elasticidades de sustitución de las importaciones, exportaciones y de los factores de producción las
cuales deben ser estimadas usando modelos econométricos –como en el caso de los modelos de
equilibrio general computable- donde la especificación de los modelos para estimar las elasticidades, es
decir las variables incluidas en dichos modelos, dependen del criterio del analista (autor), lo cual puede
producir diferentes estimaciones de elasticidad. Aun mas, las técnicas econométricas utilizadas para
estimar las elasticidades con dichos modelos pueden ser diferentes y producir por tanto diferentes
resultados.
Las columnas de la 11 a la 16 indican las fuentes primarias donde se encuentra la información que no
requiere de ningún cálculo o transformación. Estas fuentes son aquellas cuyas páginas web fueron
revisadas durante la elaboración del inventario de esta Segundo Informe de consultoría, a saber: BCs,
ONEs, AAs, y MCCs.
A fin de facilitar la referencia a las investigaciones revisadas en esta consultoría, las cuales sirven de
parámetro para determinar en qué medida los países cuentan con la información requerida para
implementar las metodologías de medición del impacto del comercio internacional en las economías de
la región, se utiliza el orden de presentación de dichas investigaciones seguido en el Primer Informe de
esta consultoría. De esta manera se antepone el literal que le corresponde a cada estudio en ese Primer
Informe. Es importante señalar que los estudios de los literales i) y j) no se listan en esta revisión de la
información existente en los países (levantamiento inventario de información) debido a que en estos
estudios no se presentan modelos estimados y por tanto, no se identifican variables económicas
utilizadas.
138
A. Información necesaria para modelos de equilibrio parcial
a) Modelos econométricos para los países de Centroamérica
Este modelo econométrico utilizo información anual para el periodo 1980-2002 para los 6 países
centroamericanos. Se utilizaron 12 variables económicas de las cuales solo 2 no se encuentran
disponibles en las páginas web de las instituciones. Estas variables son el PIB de Estados Unidos y los
términos de intercambio (solo El Salvador despliega esta información en su página web). Es importante
señalar que las series existentes en las páginas web no incluyen información de todo el periodo, sin
embargo, los países pueden proporcionar dicha información a solicitud de los investigadores. En este
sentido, la metodología econométrica implementada en el estudio puede replicarse de manera
relativamente de fácil. La base de datos WDI del Banco Mundial tiene series desde 1960 del PIB de
Estados Unidos. El único calculo que sería necesario realizar es el del índice de los términos de
intercambio (excepto para El Salvador).
El estudio podría actualizarse, si se desea, de manera relativamente fácil ya que fue realizado en el año
2003.
ESTIMACION DE ECUACIONES ECONOMETRICAS PARA SIMULAR POLITICAS ECONOMICAS Y CHOQUES EXTERNOS EN LAS ECONOMIAS CENTROAMERICANAS
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
FUENTE DE INFORMACION EN LINEA
Unidad
medida
GU
HO
ES
NI
CR
PA
Fuente
Primaria
GU
HO
SV
NI
CR
PA
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
PIB
Producto Interno Bruto
UM
1950
M3
Agregado monetario –oferta monetaria
UM
1980
2001
1991
2001
2001
NA
BC
BC
BC
BC
BC
ONE
Rt
Tasa de interés real o nominal; o inflación= proxy
%
1980
2000
1995
1960
1996
x
BC
BC
BC
BC
BC
ONE
Yus
PIB de Estados Unidos
UM
X
x
x
x
x
x
AUT
AUT
AUT
AUT
AUT
AUT
Rem
Remesas desde el exterior
UM
1994
1990
1991
2000
2003
1990
BC
BC
BC
BC
BC
ONE
TI
Términos de intercambio
#
X
x
2000
x
x
x
AUT
AUT
BC
AUT
AUT
AUT
Mus
Importaciones desde los Estados Unidos
UM
1994
1990
1991
1960
1997
1999
BC
BC
BC
BC
BC
ONE
Ct
Consumo
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
INF
Tasa de inflación
%
1983
1998
1992
1960
1991
1999
It
Inversión – formación bruta de capital
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
Xt
Exportaciones
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
Mt
Importaciones
UM
1950
1978
1990
1960
1991
1996
BC,AA
BC,AA
BC,AA
BC,AA
BC,AA
ONE,AA
WDI
BC
BC, ONE BC, ONE BC, ONE BC, ONE BC, ONE
ONE
ONE
b) Entendiendo los beneficios de la integración regional al comercio:La aplicación de un
Modelo Gravitacional al caso de Centroamérica
La información anual (periodo 2000-2008) de los países centroamericanos necesaria para aplicar la
metodología econométrica de este estudio involucró 5 variables (el PIB se lista en dos ocasiones) de la
cual existe información de dos de ellas (exportaciones por país de destino y PIB). La variable de riesgo
de selección en este modelo se estima separadamente como una función de la diferencia absoluta en el
PIB per cápita entre dos países, lo cual se basa en la hipótesis que entre más similares sean los PIB hay
más probabilidades de comerciar entre ellos. En este sentido esta variable puede ser construida por el
autor del estudio si se cuenta con los PIB de los países incluidos en la muestra para estimación. Las dos
variables restantes (distancia entre ciudades y frontera común entre países) no son variables que
publican las instituciones que producen información económica pero son relativamente fáciles de
obtener. Por consiguiente, el modelo propuesto y estimado en este estudio puede replicarse sin
mayores contratiempos.
139
MEDICION DE IMPACTO DE VARIABLES EN LOS FLUJOS COMERCIALES INTRARREGIONALES Y POTENCIAL EXPORTADOR EN CENTROAMERICA (*)
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
FUENTE DE INFORMACION EN LINEA
Fuente
Primaria
GU
HO
SV
NI
CR
PA
BC
BC
BC
BC
BC
ONE
BC
BC
BC
BC
BC
ONE
BC
BC
BC
BC
BC
ONE
Otros
x
x
x
x
x
x
x
AUTOR
AUT
AUT
AUT
AUT
AUT
AUT
x
AUTOR
x
x
x
x
x
x
Xijt
Exportaciones por producto del país i al país j
UM
1994
1990
1991
1960
1997
1999
PIBit
PIB del país i
UM
1950
1978
1990
1960
1991
1996
PIBjt
PIB del país j
UM
1950
1978
1990
1960
1991
1996
BCs
Dij
Costos transporte, Distancia entre ciudades
UM
x
x
x
x
x
x
Adij
Frontera común de países (1 frontera común; 0 no)
dummy
x
x
x
x
x
risks
Riesgo de no selección de un país
numero
x
x
x
x
x
(*) El estudio tambien hace estimaciones para paises de la Union Europea.
c) Centroamérica, Panamá, y República Dominicana: Integración comercial y desempeño
económico
Claramente este estudio requiere de información anual de los 6 países centroamericanos y República
Dominicana que no está disponible directamente en las instituciones productoras de estadísticas
económicas tradicionales de la región. La información de las 17 variables utilizadas es producida en su
mayoría por las instituciones tradicionales que producen estadísticas económicas (BCs, INEs, AAs, y
MCCs); de las 17 variables tres requieren información de otras fuentes primarias o del conocimiento y
juicio del autor, estas son: tamaño, isla y reformas estructurales. Esta investigación requiere cálculos
que deben ser realizados por el autor con información de fuentes primarias, la cual debe solicitarse a las
instituciones ya que en su mayoría no se publican en línea, por ejemplo, las exportaciones por producto
y por país tanto a nivel regional como extrarregional (para ciertos países seleccionados para la
investigación, entre ellos países europeos y asiáticos).
Dado que este estudio incluye países fuera de la región las fuentes primarias de información incluyen
instituciones de otros países y regiones (OTROS). Las variables que deben obtenerse de fuentes no
tradicionales son la variable “tamaño”, “isla” y “reformas estructurales”. La variable tamaño que se
define como el producto del área geográfica de un país por el tamaño de su población; la variable “Isla”
es una dummy que no plantea problemas de información (toma valor de 1 si el país es una isla y cero si
no lo es). La variable “índice de sofisticación de los servicios de exportaciones” utiliza el PIB per cápita
de los países para su cálculo; sin embargo, esta variable requiere información de exportaciones por
producto, para determinar el grado de competitividad por tipo de producto exportado. La variable
dummy “reformas estructurales” requiere conocer los procesos de reforma de todos los países
analizados en la muestra y en el periodo de la investigación que abarca 2005-2009. En conclusión esta
investigación es replicable dado que la información es producida por las fuentes primarias, aunque se
anticipa que en algunos casos debe gestionarse la obtención de información en los casos que no se
publiquen las exportaciones por producto y por país de destino. También habrá que investigar por
separado los procesos de reformas más recientes a fin de actualizar este tema del estudio.
140
MEDICION DE IMPACTO DE VARIABLES EN LOS FLUJOS COMERCIALES INTRARREGIONALES Y POTENCIAL EXPORTADOR DE CENTROAMERICA
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
FUENTE DE INFORMACION EN LINEA
Unidad
medida
GU
HO
ES
NI
CR
PA
Fuente
Primaria
GU
HO
SV
NI
CR
PA
Cociente
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
Xnp
Exportaciones no petroleras como % del PIB
ACC
Apertura de cuenta corriente
indice
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
OHA
Indice de orientación hacia afuera
indice
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
IDSL
Índice de desempeño de servicios de logística
indice
X
X
X
X
X
X
AUTOR
AUT
AUT
AUT
AUT
AUT
AUT
PIB pc
Ingreso (PIB per cápita)
Cociente 1950
1990
1990
1960
x
1996
BC
BC
BC
BC
BC
ONE
POB
Poblacion
personas 1950
TamañopaisTamaño (área geográfica por población)
2000
1970
1960
x
1999
ONE
ONE
ONE
ONE
ONE
ONE
kms 2
X
X
X
X
X
X
AUTOR
AUT
AUT
AUT
AUT
AUT
AUT
Isla
Isla (dummy: si el país es una isla o no)
dummy
X
X
X
X
X
X
AUTOR
AUT
AUT
AUT
AUT
AUT
AUT
ISSXi
Índice de sofisticación de servicios de exportac.
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
o CAPDR
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
o East Asia
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
o European Union
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
o Latin America and Caribbean
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
o Sub-Saharan Africa
indice
X
X
X
X
X
X
OTROS
AUT
AUT
AUT
AUT
AUT
AUT
PM
Índice de Penetración de mercado
indice
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
IV
Índice de Integración Vertical
indice
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
SP
Índice de Sofisticación de productos
indice
X
X
X
X
X
X
BCS
AUT
AUT
AUT
AUT
AUT
AUT
FBK
Formación de capital
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
KH
Capital humano (educacion avanzada)
ONE
ONE
AUT
BC
BC
ONE
P
Inflación
RE
Reformas estructurales
FT
Fuerza de trabajo como % de la población
indice
X
X
X
X
X
X
%
1983
1998
1992
1960
1991
1999
dummy
X
X
X
X
X
X
%
x
x
x
x
x
x
BC, ONE BC, ONE BC, ONE BC, ONE BC, ONE
AUTOR
ONE
AUT
AUT
AUT
AUT
AUT
AUT
ONE
ONE
ONE
ONE
ONE
ONE
d) Una introducción a la econometría con datos de panel
Este estudio incluye los 6 países centroamericanos, Colombia y Venezuela. El uso de variables
económicas es realmente mínimo, en parte porque el objetivo del estudio es mostrar el uso de la
técnica econométrica con datos de panel. La información anual que se utiliza es de 1990-2006 y las
variables que utiliza no requieren ninguna trasformación o cálculo y están disponibles en todos los
países de la región haciendo que el estudio sea fácilmente replicable.
ESTIMACION MODELO ECONOMETRICO PARA MEDIR EL IMPACTO DE VARIABLES DE COMERCIO EN ECONOMIAS CENTROAMERICANAS CON DATOS DE PANEL
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
FUENTE DE INFORMACION EN LINEA
Fuente
Primaria
GU
HO
SV
NI
Mbc
Importa ci ones tota l es de bi enes de cons umo
UM
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
BC, AA ONE,AA
CR
Mbk
Importa ci ones tota l es de bi enes de ca pi ta l
UM
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
BC, AA ONE,AA
Mbi
Importa ci ones tota l es de bi enes i ntermedi os
UM
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
BC, AA ONE,AA
REM
Remes a s fa mi l i a res
UM
1994
1990
1991
2000
2003
1990
BC
BC
BC
BC
BC
PA
ONE
e) Estimación del impacto de un Acuerdo de Asociación entre Centroamérica y la Unión
Europea: una aplicación de un modelo gravitacional de comercio para el caso de Costa
Rica
Este estudio para Costa Rica utiliza información trimestral para el periodo1998-2008. De las 8 variables
que utiliza solo 1 denominada Distancia no es producida por las instituciones encargadas de la
información en los países de la región. No obstante que la información anual es producida por todos los
141
países de manera rutinaria y publicada en sus sitios web, la información en series trimestrales debe ser
gestionada en cada país ya que esta no suele publicarse a este nivel, con algunas excepciones. Salvado
este aspecto, el estudio es fácilmente replicable usando la técnica de panel utilizada en la investigación.
MODELO ECONOMETRICO PARA ESTIMAR COMERCIO POTENCIAL EN COSTA RICA CON DATOS DE PANEL Y MODELO GRAVITACIONAL
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
FUENTE DE INFORMACION EN LINEA
Fuente
Primaria
GU
HO
SV
NI
CB
Comerci o bi l a tera l (CB)
UM
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
PIBij
PIB pa ís i y pa ís j
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
PIBpci
PIB per cá pi ta del pa ís i (j)
UM
1950
1990
1990
1960
x
1996
BC
BC
BC
BC
BC
BC
Dij
Di s tanci a entre pa ís i y j (Di j)
kms
x
x
x
x
x
x
AUT
AUT
AUT
AUT
AUT
AUT
Mbc
Importaci ones total es de bi enes de cons umo
%
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
BC, AA ONE,AA
Mbk
Importaci ones total es de bi enes de ca pi tal
%
1994
1990
1991
1960
1997
1999
BC, AA
BC, AA
BC, AA
BC, AA
BC, AA ONE,AA
Mbi
Importaci ones total es de bi enes i ntermedi os
indice
1994
1990
1991
1960
1997
1999
BC
BC
BC
BC
BC
ONE
REM
Remes a s fa mi l i a res
UM
1994
1990
1991
2000
2003
1990
BC
BC
BC
BC
BC
ONE
OTROS
CR
PA
BC, AA ONE,AA
BC
B. Información necesaria para modelos econométricos
multiecuacionales
f)
Modelo macro econométrico Regional II
Este modelo de ecuaciones simultáneas utiliza información anual para el periodo 1970-2006 para los
países centroamericanos, excepto Panamá. De las 22 variables que utiliza el modelo econométrico, solo
5 requieren algunos cálculos del autor y fuentes primarias fuera de la región centroamericana: consumo
de bienes no duraderos de los Estados Unidos, precios del petróleo, precios del petróleo deflactados,
tipo de cambio real, y brecha del producto regional. La información para necesaria está disponible en
línea en fuentes primarias regionales y extrarregionales (FED ST L, WDI, e instituciones de la región)44, lo
que hace que este modelo sea replicable, lo cual requiere la gestión para obtener información de series
de tiempo desde 1970 (no todos los países tienen publicada la información en línea para el periodo de
estudio).
Es importante destacar que las series económicas se refieren a la región como un todo de modo que las
cifras son promedios regionales o flujos agregados de los 5 países seleccionados para el estudio.
Consultar:
http://research.stlouisfed.org/fred2/series/OILPRICE/downloaddata
44
http://data.worldbank.org/data-catalog/world-development-indicators
142
MODELO DE ECUACIONES SIMULTANEAS PARA MEDIR EL IMPACTO ECONOMICO DE POLITICAS ECONOMICAS Y CHOQUES EXTERNOS EN CENTROAMERICA
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
1950
1978
1990
1960
1991
1996
pibk
PIB regional a precios constantes
UM
ckus
Consumo USA, bienes no duraderos, a precios
constantes
UM
x
x
x
x
x
x
dk
Dinero amplio regional a precios constantes
UM
1980
2001
1991
2001
2001
NA
UM
1950
1978
1990
1960
1991
1996
ppk
Formación bruta de capital regional a precios
constantes
Precios petróleo deflactados por precios consumidor
regional
tia
Tasa de interés activa promedio regional
tiar
Tasa de interés activa promedio regional real
ck
Consumo regional a precios constantes
indk
Ingreso nac. disponible regional a precios constantes
tip
Tasa de interés pasiva promedio regional
tr
Transferencias
constantes
ik
xk
corrientes
regionales
Exportaciones extrarregionales a precios constantes
pibk_sc
tcr
Tipo de cambio real de la región
mk
ps
Fuente
Primaria
WDI
GU
HO
SV
NI
CR
PA
BC
BC
BC
BC
BC
ONE
USA
USA
USA
USA
USA
USA
BC
BC
BC
BC
BC
ONE
BC
BC
BC
BC
BC
ONE
UM
x
x
x
x
x
x
AUT
AUT
AUT
AUT
AUT
AUT
%
1980
2000
1995
1960
1996
x
BC
BC
BC
BC
BC
ONE
FED ST L
%
1980
2000
1995
1960
1996
x
BC
BC
BC
BC
BC
ONE
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE
%
1980
2000
1995
1960
1996
x
BC
BC
BC
BC
BC
ONE
UM
2001
1990
1997
1960
1999
1999
BC
BC
BC
BC
BC
ONE
UM
1994
1990
1991
1960
1997
1999
BC
BC
BC
BC
BC
ONE
UM
1994
1990
1991
1960
1997
1999
BC
BC
BC
BC
BC
ONE
UM
1950
1978
1990
1960
1991
1996
indice
x
x
x
x
x
x
1994
1990
1991
1960
1997
1999
BC, ONE BC, ONE BC, ONE BC, ONE BC, ONE
ONE
BC, ONE BC, ONE BC, ONE BC, ONE BC, ONE
ONE
a precios
Demanda de USA de bienes producidos en la región,
constantes
PIB de principales socios comerciales de la región,
constantes
xk_us
FUENTE DE INFORMACION EN LINEA
Importaciones extrarregionales a precios constantes
UM
Precios al consumidor de principales socios de la
indice
región
1983
1998
1992
1960
1991
1999
ti
Términos de intercambio regionales
indice
X
x
2000
x
x
x
p
Precios al consumidor regional
indice
1983
1998
1992
1960
1991
1999
tcn
Tipo de cambio nominal regional
UM
1986
2000
1986
1960
1994
x
pp
Precios internacionales del petróleo
UM
X
X
X
X
X
X
pibk_gap
Brecha del producto regional
UM
X
X
X
X
X
X
BC, ONE
BC
BC
BC
BC
BC
ONE
AUT
AUT
AUT
AUT
AUT
AUT
BC
BC
BC
BC
BC
BC, ONE BC, ONE BC, ONE BC, ONE BC, ONE
ONE
ONE
BC
BC
BC
BC
BC
ONE
FED ST L
AUT
AUT
AUT
AUT
AUT
AUT
BC, ONE
AUT
AUT
AUT
AUT
AUT
AUT
g) Modelo Macro econométrico de Pequeña escala para El Salvador
El estudio para El Salvador realizo la estimación de dos modelos. Uno con datos mensuales para el
periodo 1999-2006 y orto con datos trimestrales para el periodo 1995-2006.
El modelo mensual utilizo 12 variables de las cuales requieren información que no produce el banco
Central de El Salvador. Diferencia entre índice de precios de los servicios y el IPC y el índice de la
producción industrial de USA. En este sentido el modelo es replicable para El Salvador. Sin embargo
debe notarse que la información con frecuencia mensual no está disponible en línea en todos los países
lo que implica la solicitud pertinente a las instituciones productoras de la información. En algunos casos
puede encontrase dificultades en encontrar y obtener la información o debe invertirse algún tiempo
importante en su obtención. Por otro lado, la especificación de algunas ecuaciones del modelo pueden
requerir variables explicativas o endógenas diferentes que sustituyan por ejemplo, precios promedio del
quintal del café dado que no todos los países tienen el café como un sector importante de la economía.
143
MODELO DE ECUACIONES SIMULTANEAS PARA MEDIR EL IMPACTO ECONOMICO DE POLITICAS ECONOMICAS Y CHOQUES EXTERNOS EN EL SALVADOR
INFORMACION DISPONIBLE EN LINEA
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
INFORMACION DISPONIBLE EN LINEA
Fuente
Primaria
GU
HO
SV
w
Salarios medios
ipim
gaplps
prenrg
Precios de energía (US$/kwh
UM
x
SIGET
m4r
Agregado monetario en términos reales
UM
1991
BC
ra1
Tasa de interés en dólares para préstamos a un año
%
1995
BC
remr
Remesas familiares en términos reales
UM
1991
BC
cafep
Precios promedio mensual de quintal de café
UM
x
BC
crepr
Saldo de crédito real al sector privado
UM
1992
ipius
Índice de producción industrial de USA
indice
x
itcerusa
Índice tipo de cambio efectivo real bilateral con USA
indice
2000
BC
remr
Remesas familiares en términos reales
UM
1991
BC
UM
x
Índice de precios de importación
indice
2000
Diferencia entre índice de precios de servicios e IPC
indice
1992
NI
CR
PA
ONE
BC
BC
AUT
BC
WDI
AUT
El modelo de ecuaciones simultáneas también se estimó para cifras trimestrales. Al igual que en el caso
del modelo con cifras mensuales, se requiere información de EEUU que se debe obtener de otros
fuentes primarias extrarregionales pero que están disponible en línea, por ejemplo, en el sitio web del
Banco Mundial que ofrece información a través de la base de datos Indicadores de Desarrollo Mundial
(WDI). En este sentido, el modelo puede replicarse con cierta facilidad una vez obtenida la información
trimestral de parte del banco central salvadoreño.
MODELO DE ECUACIONES SIMULTANEAS PARA MEDIR EL IMPACTO ECONOMICO DE POLITICAS ECONOMICAS Y CHOQUES EXTERNOS EN EL SALVADOR
INFORMACION DISPONIBLE EN LINEA
Identificac
ion
Nombre de la variable utilizada
y*
ti
rr
pe
ipcx
prol
Producto Interno Bruto tri mes tra l de USA
Indi ce de Térmi nos de Interca mbi o
Ta s a de i nterés rea l
Preci o de energía $/ Kwh
Indi ce de preci os a l cons umi dor de l os EEUU
Producti vi da d =PIB/coti za ntes s eguro s oci a l
Unidad
medida
UM
cociente
%
UM
cociente
cociente
GU
HO
ES
x
NI
CR
PA
INFORMACION DISPONIBLE EN LINEA
Fuente
Primaria
Otros
2000
x
x
HO
SV
NI
CR
PA
AUT
BC
1995
x
GU
BC
OTROS
WDI
BC y OTROS
AUT
AUT
AUT
h) Modelo Macro econométrico de Proyección de Corto Plazo para Nicaragua
Este modelo utiliza información trimestral de 37 variables para el periodo 1997:1-2007:1 de las cuales 15
requieren cálculos de parte del autor de la investigación y una variable (stock de capital) no existe en las
estadísticas económicas. Para esta última variable, las investigaciones empíricas realizan estimaciones
separadamente o utilizan proxis para su inclusión en los modelos. Una buena característica del modelo
es que toda la información es producida por las instituciones regionales así como por fuentes
extrarregionales; en el caso de estas últimas las solicitudes de información se atienden en línea en caso
de ser necesario.
Al igual que en estudios anteriores alguna información a nivel trimestral puede requerir solicitar la
información a la fuente primaria respectiva, en este caso el banco Central de Nicaragua. Dicho lo
anterior, el modelo es replicable por los analistas interesados.
144
MODELO DE ECUACIONES SIMULTANEAS PARA MEDIR EL IMPACTO ECONOMICO DE POLITICAS ECONOMICAS Y CHOQUES EXTERNOS
INFORMACION DISPONIBLE EN LINEA
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
yt
PIB rea l
kt
Stock de ca pi ta l
UM
X
lt
Empl eo/dema nda de empl eo
personas
1960
ptft
Producti vi da d tota l de l os fa ctores
cociente
UM
poil_realt Preci o rea l del petról eo
CR
PA
INFORMACION DISPONIBLE EN LINEA
Fuente
Primaria
1960
GU
HO
SV
NI
No existe
AUT
X
BC y ONE
AUT
FED ST L
AUT
UM
X
1960
BC
Sa l a ri o rea l
UM
1960
BC
const
Cons umo pri va do
UM
1960
BC
ydispot
Ingres o di s poni bl e
UM
1960
BC
i_realt
Ta s a de i nterés rea l a cti va
%
1960
BC
cred_yt
Coci ente crédi to a PIB
cociente
1960
tcrmt
Ti po de ca mbi o rea l de i mporta ci ones
cociente
X
UM
1960
BC
UM
1960
BC
UM
1960
BC
UM
1960
cociente
X
Rel a ci ón res erva s i nterna ci ona l es a PIB
wrealt
fbkf_privt Invers i ón pri va da
credt
Crédi to rea l
fbkf_pubt Invers i ón públ i ca
BC
BC, AA y ONE
AUT
xt
Exporta ci ones de bi enes y s ervi ci os ,
tcrxt
Ti po de ca mbi o rea l de exporta ci ones
mt
Importa ci ones de bi enes y s ervi ci os
UM
1960
BC, AA
abst
A bs orci ón
UM
1960
BC
ipct
Indi ce de preci o a l cons umi dor
indice
1960
BC
tct
Ti po de ca mbi o nomi na l
UM
1960
ipmt*
Indi ce de preci os de i mporta ci ón
indice
X
BC
AUT
wprodt
Sa l a ri o a jus ta do por producti vi da d
UM
X
BC
AUT
gapyt
Brecha de producto
UM
X
BC
AUT
gapmt
Brecha moneta ri a
UM
X
BC
AUT
Δwt
Ta s a de creci mi ento de s a l a ri os nomi na l es
%
1961
wreservt
Sa l a ri o de res erva
UM
X
ONE
AUT
infet
Infl a ci ón es pera da
%
X
BC y ONE
AUT
%
X
BC
AUT
%
1960
BC
personas
1960
BC
Ta s a de ca mbi o de l a producti vi da d medi a
Δprod_mediat
BC
BC
AUT
BC
BC
Ut
Ta s a de des empl eo
lt
Dema nda de empl eo
ipct
Indi ce de preci os a l cons umi dor.
indice
1960
ipcntt
Indi ce de preci o de no tra ns a bl es ,
indice
X
tct
Ti po de ca mbi o nomi na l ,
UM
1960
ipmt*
Indi ce de
dól a res
indice
X
BC y AA
AUT
indice
X
BC y AA
AUT
%
X
BC y AA
AUT
ipxt*
arant
preci os
de
i mporta ci ones
BC
BC y ONE
AUT
BC
en
Indi ce de preci os de exporta ci ones en dól a res
Ta s a de a ra ncel a l a s i mporta ci ones ,
PA
BC
cociente
rib_yt
CR
BC
145
C. Información necesaria para los modelos de equilibrio general
computable
La información que requieren estos modelos proviene en buena medida de fuentes primarias
diversas a diferencia de los modelos uniecuacionales y multiecuacionales que suelen utilizar
información provista casi únicamente por los bancos centrales. En este caso las fuentes más usuales
de cifras económicas son BCS, ONEs y AAs. También suelen usarse estudios empíricos previos donde
se estiman elasticidades de sustitución de bienes y factores de producción así como funciones de
producción para obtener información sobre los niveles de dichas elasticidades, de lo contrario el
autor debe realizar estas estimaciones o hacer supuestos cobre sus niveles. La desventaja de esto es
que distintos autores o analistas pueden obtener distintos resultados aun cuando usen la misma
información si los parámetros de elasticidad utilizados son distintos, esto se explica porque los
MEGCs son muy sensibles a estos parámetros que utilizan los MEGCs.
Una limitación importante de los MEGCs es que la información debe organizarse en una matriz de
doble entrada (vale decir con principios de contabilidad) de manera que refleje un equilibrio general
en el año base seleccionado. Para organizar la información de esta manera se requieren técnicas
especiales y conocimientos de contabilidad nacional para realizar los ajustes pertinentes en las
cifras económicas y sociales a utilizar. Además, la matriz mencionada requiere información
macroeconómica proveniente de la matriz insumo – producto la cual es una información que los
bancos centrales no producen para todos los años y puede ocurrir que para el año base
seleccionado no exista dicha matriz, con lo cual la implementación de esta metodología sería
imposible de implementar.
Es importante señalar que ninguna institución o fuente primaria de la región publica una matriz de
contabilidad social. La matriz de insumo-producto que se requiere para alimentar dicha MCS
tampoco es producida año con año. Los estudios revisados todos construyeron su propia MCS. Los
MEGCs pueden estimarse o calibrarse mediante diferentes software tal como el GAMS (General
Algebraic Modeling System)45. Los procedimientos matemáticos que utiliza este software son de
optimización de funciones sujetas a determinadas restricciones económicas que el usuario debe
proveer. La cantidad de información necesaria para el modelo depende de que tan detallado sea el
sistema de ecuaciones que se debe estimar, lo cual a su vez depende de los objetivos de la
investigación además de la disponibilidad de los datos.
k) Modelo de Equilibrio General Computable para Nicaragua
45
El software puede bajarse libremente del sitio: http://www.gams.com/. Este modelo puede ser usado para
estimar modelos económicos de equilibro general mediante una adición denominada Mathematical Programming
System for General Equilibrium (MPSGE). Este subsistema utilizado con el software GAMS tiene el objetivo de
reducir las necesidades de modelación de sistemas de equilibrio económico. Para obtener más detalles de esta
aplicación puede visitarse: http://www.gams.com/solvers/mpsge/
146
El MEGC de Nicaragua utiliza 74 variables económicas para el año base 2000. De estas variables, 37
deben ser calculadas, estimadas, asumidas (supuestos), u obtenidas de otros estudios empíricos o con
información de las instituciones regionales encargadas de reducir información económica y social como
la listada en el cuadro siguiente. Es claro entonces que la información no está disponible en la forma
necesitada para alimentar el modelo de equilibrio general. Adicionalmente, el MEGC de Nicaragua
utiliza una matriz financiera que fue construida especialmente para este estudio; el autor no deja claro
quien construyó esta última matriz. El año base de la MCS es el 2000 la cual fue proporcionada al autor
por el Banco Central de Nicaragua. El autor señala que las matrices utilizadas son muy agregadas y
desfasadas de modo que el estudio puede mejorarse a través de matrices más actualizadas y detalladas.
Dicho lo anterior, resulta claro que la posibilidad de replicar las estimaciones del MEGC requiere contar
con las matrices y con el conocimiento para manejar el software GAMS o cualquier otro disponible en el
mercado. Esta situación refleja la necesidad de contar con capacitación previa para el uso de los MEGCs
en la región.
No obstante las limitaciones de conocimientos y habilidades, la información necesaria para construir las
matrices de contabilidad social (incluyendo las matrices de insumo-producto) en su mayoría está
disponible en diferentes instituciones productoras de información económica y social en la región: BCS,
ONEs y AAs. Se requiere involucrar a los bancos centrales en su elaboración. En todo caso, depende de
estas instituciones la posibilidad de organizar la información en la forma requerida por el MEGC. Esto es
válido para el resto de estudios que utilizan MEGC que se mencionan más adelante.
Si no se cuenta con las matrices aludidas en párrafos anteriores para anos distintos al 2000 entonces, no
es posible replicar el modelo diseñado en este estudio, excepto para el año 2000.
Es fácil concluir que la estimación de esta metodología para medir el impacto del comercio en la
dinámica de las economías centroamericanas no es recomendable por las razones expuestas.
147
MODELO DE EQUILIBRIO GENERAL PARA MEDIR EL IMPACTO DE POLITCAS ECONOMICAS Y CHOQUES EXTERNOS EN LA ECONOMIA NICARAGUENSE
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
FUENTE DE INFORMACION EN LINEA
Fuente
Primaria
GU
HO
SV
NI
EG
Gasto del gobierno
UM
1960
BC
EXR
Tipo de cambio
UM
1960
BC
FSAV
Ahorro externo
UM
1960
IADJ
Factor de ajuste de la inversión
UM
X
BC
AUT
PAa
Precio de la actividad
UM
X
BC
AUT
PDc
Precio del producto doméstico
UM
X
BC
AUT
PEc
Precio de exportaciones (moneda doméstica)
UM
X
BC y AA
AUT
PM
Precio de importaciones (moneda doméstica)
UM
X
BC y AA
AUT
PQc
Precio del producto compuesto
UM
X
BC
AUT
PVAc
Precio del valor agregado
UM
X
BC
AUT
PXc
Precio del productor
UM
X
BC
AUT
QAa
Nivel de actividad
UM
1960
QDc
Cantidad
producto
domésticamente
QEc
Quantum exportado
UM
1960
QFf a
Cantidad demandada de factor “f” de actividad “a”
UM
QFSf
Oferta del factor “f”
iac t
Tasa de interés activa
QHch
doméstico
vendido
UM
BC
AUT
X
BC
AUT
personas
X
BC
AUT
%
1960
Cantidad consumo producto “c” por hogar “h”
UM
X
BC y ONE
AUT
QINTc
Cantidad de uso intermedio de producto por
actividad “a”
UM
X
BC
AUT
QINVc
Cantidad de demanda de inversión
UM
1960
BC
QMc
Quantum de importaciones
UM
1960
BC
QQc
Cantidad ofertada a los demandantes de producto
doméstico (oferta compuesta)
UM
QXc
Quantum de producto doméstico
UM
1960
WFf
Tasa de renta del factor “f”
%
X
X
BC
BC
BC
AUT
BC
AUT
BC
numero
X
BC
AUT
Y Fhf
Transferencia de ingreso al hogar “h” del factor “f”
UM
X
BC y ONE
AUT
YG
Ingreso del gobierno
UM
1960
Y Hh
Ingreso de los hogares
UM
X
ONE
AUT
variables financieras
Saldo de billetes y monedas de los hogares rurales en
el año base
UM
YH0 HHDRU
Ingreso corriente de hogares rurales en año base
UM
BIMORU
Saldo efectivo de billetes y monedas de hogares
rurales
UM
YHHHDRU
Ingreso corriente efectivo de los hogares rurales
UM
CBHRU
Demanda total de crédito de parte de los rurales
UCBHRU
factor de expansión de la demanda de crédito
IACT
Tasa de interes que cobran los bancos comerciales
ECBHRU
BIMOUR0
BC
1960
BIMORU0
BC
X
BC
AUT
X
ONE
AUT
X
BC y ONE
AUT
X
BC y ONE
AUT
UM
X
BC y ONE
AUT
numero
1960
BC
%
1960
BC
elasticidad de la demanda de crédito con respecto a
numero
la tasa de interés activa
Saldo de billetes y monedas de los hogares urbanos
UM
en el año base
x
BC
AUT
x
BC y ONE
AUT
x
BC y ONE
AUT
Y H0 HHDUR
Ingreso corriente de hogares urb. año base
UM
BIMOUR
Saldo efectivo de billetes y monedas de los hogares
urbanos
UM
x
BC y ONE
AUT
Y HHHDUR
Ingreso corriente efectivo de los hogares urbanos
UM
x
BC y ONE
AUT
CBHUR
Demanda total de crédito de parte de los urbanos
UM
x
BC y ONE
AUT
UCBHUR
Factor de expansión de la demanda de crédito
numero
x
BC
AUT
IACT
ECBHUR
Tasa de interés activa que cobran los bancos
%
comerciales
Elasticidad de la demanda de crédito de los urbanos
numero
con respecto a la tasa de interés
BIMOSF
Saldo en caja de los bancos comerciales
CDEP
Fracción de los depósitos totales que los bancos
comerciales mantienen en forma de caja
DEPRU
Saldo de depósitos de los rurales
UM
DEPUR
Saldo de depósitos de los urbanos
DEPGOV
Saldo de depósitos del gobierno
DEPROW
Saldo de depósitos del resto del mundo
ENC
T ENC
RIBSF
URIBSF
Saldo de encaje de los bancos comerciales en el
banco central
Tasa de encaje efectiva de los bancos comerciales
sobre los depósitos
Saldo de reservas internacionales brutas de la banca
comercial
Factor de expansión de la demanda de reservas
UM
%
1960
x
BC
BC y ONE
1960
AUT
BC
1960
BC
x
BC y ONE
AUT
UM
x
BC y ONE
AUT
UM
1960
BC
UM
1960
BC
1960
BC
UM
UM
UM
numero
x
1960
PA
BC
BC
WFDISTf a Distorsión del factor “f” en la actividad “a”
X
CR
BC
AUT
BC
148
l)
Perturbaciones internas y externas en pequeñas economías abiertas: Un análisis
de equilibrio general para el caso de Nicaragua
Este estudio utiliza informacion del periodo 1994-2011 para Nicaragua. Utiliza 35 variables de las cuales
15 estan disponibles en el sitio web de las instituciones productoras de informacion economica y social,
principalmente el Banco Central de Nicaragua. El resto de variables (20 en total) requieren calculos
separados usando informacion de dichas instituciones (la cual no esta disponible en linea) y otras
fuente primarias de informacion.
Para estimar este modelo se utilizó el software “Octave”46. Con esta estimación se obtienen los
parámetros de las ecuaciones del modelo y posteriormente se realizan simulaciones de politica y
choques externos. Si se cuenta con la informacion y se tienen concomientos del software, el modelo
puede ser replicado, pero para ello es necesaria la capacitacion en el manejo del software. A diferencia
del modelo anterior este no utiliza una MCS.
MODELO DE EQUILIBRIO GENERAL PARA MEDIR EL IMPACTO DE CHOQUES EXTERNOS EN LA ECONOMIA NICARAGUENSE
INFORMACION EN LINEA (ANO INICIO)
FUENTE DE INFORMACION EN LINEA
Identificac
ion
Nombre de la variable utilizada
β
Factor de descuento
Unidad
medida
Numero
θ
Medida absoluta de aversión al riesgo
Numero
X
OTROS
AUT
φ
Elasticidad de la oferta de trabajo
Numero
X
BC y ONE
AUT
C
Consumo
UM
1960
L
Dotación del factor trabajo
personas
X
BC y ONE
AUT
γ
Persistencia de los hábitos de consumo
Numero
X
OTROS
AUT
δ
Medida asociada
al grado
de bienes
apertura
comercial y
Elasticidad
sustitución
entre
domésticos
bienes importados
cociente
X
BC y AA
AUT
Numero
X
BC y AA
AUT
Consumo de los bienes producidos domésticamente
UM
X
BC y AA
AUT
CF
Consumo de los bienes importados
UM
X
BC y AA
AUT
W
Salario real
UM
1960
B
Activos en forma de bonos
UM
X
BC
AUT
P
Nivel general de precios
indice
1960
i
PH
Tasa de interés nominal
%
1960
Componente domestico del nivel general de precios
%
X
BC y ONE
AUT
PF
Componente externo del nivel general de precios
%
X
BC y ONE
AUT
E
Yt
Tipo de cambio nominal
UM
1960
Nivel de producción
UM
1960
At
Estado de la tecnología
Numero
X
Lt
Dotacion de trabajo
personas
1960
PMLt
Producto marginal del trabajo
UM
cmt
Costo marginal real para las empresas
pt
Nivel general de precios
η
CH
Inflacion
GU
HO
ES
NI
CR
X
PA
Fuente
Primaria
OTROS
GU
HO
SV
NI
PA
BC
BC
BC
BC
BC
BC
OTROS
AUT
X
BC, ONE
AUT
BC, ONE
AUT
BC
UM
X
indice
1960
%
1961
Numero
X
OTROS
AUT
BC
AUT
BC
BC
λ
Parámetro asociado a la rigidez de precios
CHt
Demanda bienes y servic. producidos domésticamente
UM
X
CFt
Demanda bienes y servicios importados
UM
1960
BC
Ext
Exportaciones
UM
1960
BC
IMt
Importaciones
UM
1960
BC
XNt
Exportaciones netas
UM
1960
BC
E
P*t
Tipo de cambio nominal
UM
1960
indice
X
it
i *t
Tasa de interés domestica
%
1960
Tasa de interés externa
%
Φ
Prima de riesgo cambiario
Numero
Nivel de precios extranjeros
CR
AUT
BC
WDI
AUT
X
WDI
AUT
X
OTROS
AUT
BC
46
Software libre y de código abierto para realizar cálculos numéricos.
Puede ser bajado desde http://www.octave.org/
149
m) Impacto de la eliminación de los CAT y del otorgamiento de otros incentivos de
política comercial: Un análisis cuantitativo de EGC
Este modelo utiliza 79 variables provenientes de una MCS del año base 1991. Pese a lo distante del año
base el autor justifica su uso por considerar que la estructura de la economía costarricense no ha
cambiado al año 2000 (año en que se realizó la investigación). Del total de 79 variables utilizadas en la
estimación del modelo, el autor debió estimar u obtener información de 62 variables.
Como puede apreciarse en el cuadro siguiente, la información está disponible en las instituciones
productoras de información económica y social incluyendo otras fuentes no tradicionales como el
ministerio de finanzas, instituto de seguridad social y otros estudios empíricos47. El autor no declara
quien construyó la MCS de 1991, pero es probable que haya sido elaborada, sino totalmente, con un
fuerte apoyo del Banco Central de Costa Rica. El aspecto sobresaliente que cabe mencionar es la
antigüedad de la MCS, lo cual refleja la escasa disponibilidad de recursos institucionales para elaborar
estas matrices no obstante su particular utilidad. Lo dicho también refleja la necesidad de capacitar al
personal de las instituciones, particularmente de los bancos centrales para producir más
frecuentemente las MCS.
Al igual como en los otros estudios anteriores que utilizan la metodología de los MEGCs, el modelo
puede ser replicado si, por un lado, las instituciones o el autor proveen la información utilizada (la cual
parce no estar disponible en las fuentes tradicionales de información económico y social y, por otro
lado, si el personal técnico recibe la capacitación sobre manejo de MEGCS y del software pertinente
para su estimación.
Es importante mencionar que este modelo y su metodología es muy adecuado para los propósitos de la
consultoría en el sentido que su objetivo es medir el impacto de política comercial o cambios en
variables económicas seleccionadas, en el nivel de actividad, empleo e ingreso de una economía, la
costarricense en este caso. Sería ideal poder implementar esta metodología en otros países de la
región. Sin embargo, en la actualidad, esto no es posible dada la falta de información adecuada y
actualizada para alimentar los modelos; además existe la dificultad de que el autor no presenta las
ecuaciones del modelo, lo cual es una limitante adicional y requeriría contactar al autor para obtener lo
necesario para realizar la aplicación del mismo a otros países.
47
A falta de otros estudios, los analistas que apliquen una metodología como la contenida en esta investigación
pueden generar sus propias estimaciones, las cuales suelen ser las elasticidad de sustitución entre importaciones y
productos producidos domésticamente y las elasticidades de sustitución de factores, entre otros parámetros que
se necesitan para calibrar los MEGCs.
150
MODELO DE EQUILIBRIO GENERAL PARA MEDIR EL IMAPCTO DE POLTICA COMERCIAL EN EL PIB, EMPLEO Y EL INGRESO EN COSTA RICA
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
XiS
Oferta total por sector
Unidad
medida
UM
GU
HO
ES
NI
CR
Absorción doméstica
UM
1991
Vij
Demanda intermedia total
UM
X
Wki
Salario nominal
UM
1970
Lia
Agregación del factor trabajo por sector
UM
Lki
Funciones de demanda de trabajo por sector
UM, personas
LkD
Demanda total de trabajo por categoría k
UM, personas
2001
Πi
Ganancias sectoriales agregadas
UM
X
YHk
UM
UM
DBPHk
Ingreso bruto de k categorías de familias
Ganancias empresariales no incorporadas para k
categorías de familias
Ganancias empresariales distribuidas a k categorías
de familias
YDHk
YE
YK
DKTR
KIPA
YDE
YG
S
CDiHk
CDiG
Ci
TINV
Ii
Zi
PDi
PDNT
PMi
PEi
PWEi
Pi
P
Qi
mi
di
Vid
Cid
Zid
Xid
Mi
Ei
EXi
EF
F
NHTRHk
GTRHk
KIFA
AID
FS
PWi
ER
Wki
tdi
tmi
txi
tei
tk
tc
ITI
aij
bi
σi
ρi
Φi
ΩiW
Ωi
Ingreso disponible de las familias por categoría k
Ingreso bruto de las empresas
Ingreso del factor capital
Transferencias domésticas de capital
Ingreso de capital pagado al exterior
Ingreso disponible de las empresas
Ingreso del gobierno
Ahorro total
Consumo de las familias por categoría k
Consumo del gobierno
Demanda final agregada
Inversión total neta de depreciación
Inversión neta por sector
Inversión bruta por sector
Precio doméstico de los bienes transables
Precio doméstico del bien agregado no transable
Precio de los bienes importados
Precio de los bienes exportados
Precio mundial de las exportaciones
Precio compuesto de los bienes
Nivel de precios en la función de normalización
Produccion agregado bien compuesto con ECS
% bienes importados respecto bienes domésticos
Coeficiente de uso doméstico
Demanda bienes intermedios domésticos
Demanda bienes finales domésticos
Demanda por inversión bruta doméstica por sector
Demanda total mercancías producidas doméstic.
Demanda por importaciones
Exportaciones por actividad
Exceso de demanda en el mercado de productos
Restricción de balanza de pagos
Flujos netos de capital en moneda extranjera
Transferencias netas de familias hacia el exterior
Transferenc. de gobierno a k categorías de familias
Ingreso de capital del exterior
Ayuda Externa
Ahorro externo
Precio mundial de las importaciones
Tipo de cambio nominal
Ingreso real
Tasa agregada de impuestos indirectos
Tasa agregada de las tarifas a las importaciones
Tasa agregada de los impuestos a las exportaciones
Tasa del subsidio a las exportaciones
Tasa de impuesto directo a k categorías de familias
Tasa del impuesto corporativo
Tasa de impuesto a la inversión bruta total
Coeficientes de insumo-producto
Coeficiente trabajo-producto
Elasticidad sustitución en funcióndemanda trabajo
Coeficiente sustitución en Func demanda trabajo
Coeficiente de depreciación sectorial
Ponderaciones del salario real en el índice precios
Ponderaciones que definen el índice de precios
ϖHk
κHk
εK
γK
s
qij
θi
Bi
ρi
δi
σi
ηi
E0i
Proporción fija de las ganancias empresariales no
incorporadas respecto al ingreso del factor capital
Participación de las k categorías de familias dentro
de las ganancias distribuidas
Transferencias de capital como proporción del
ingreso del factor capital
Ingreso de capital pagado al exterior como
proporción del ingreso bruto del factor capital
Propensiones a ahorrar por institución
Parámetros de gasto
Participaciones sectoriales en la inversión neta
Parámetro de participación de la función ECS
Parámetro de sustitución de la función ECS
Parámetro de participación en la agregación ECS de la
función de comercio internacional
Elasticidad sustitución de comercio en función ECS
Elasticidad precio en la demanda por exportaciones
Exportaciones por actividad en el año base
Fuente
Primaria
1991
Di
UBPHk
PA
FUENTE DE INFORMACION EN LINEA
GU
HO
SV
NI
CR
BC
BC
AUT
X
BC y ONE
AUT
X
BC y ONE
AUT
BC
AUT
X
BC y ONE
AUT
X
BC y ONE
AUT
UM
X
BC y ONE
AUT
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
indice
numero
%
cociente
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
UM
Indice
UM
UM
%
%
%
%
%
%
%
cociente
cociente
numero
cociente
cociente
%
%
X
BC y ONE
AUT
X
BC y OTROS
AUT
X
BC
AUT
X
BC y OTROS
AUT
BC
AUT
BC y ONE
AUT
BC
BC
1999
X
BC
1983
BC
1991
X
BC
1983
BC
1991
BC
1991
BC
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC
AUT
X
BC y ONE
AUT
X
BC y ONE
AUT
X
BC
AUT
BC y ONE
AUT
BC
AUT
WDI
AUT
BC y OTROS
AUT
1997
BC
1999
BC
1999
X
BC
1999
X
BC
1991
X
BC
1994
BC
1991
X
X
PA
BC
BC
BC y AA
AUT
X
BC y AA
AUT
X
BC y OTROS
AUT
X
BC y ONE
AUT
X
BC y OTROS
AUT
X
BC y OTROS
AUT
X
BC
AUT
X
BC
AUT
X
BC y ONE
AUT
X
BC y ONE
AUT
X
BC
AUT
X
BC y ONE
AUT
X
ONE
AUT
%
X
BC y ONE
AUT
%
X
BC y ONE
AUT
UM
X
BC
AUT
%
numero
numero
%
numero
numero
X
numero
numero
numero
UM
BC
AUT
X
BC
AUT
X
BC y OTROS
AUT
X
BC
AUT
X
BC
AUT
X
BC y OTROS
AUT
X
BC y OTROS
AUT
X
BC y OTROS
AUT
X
BC y OTROS
AUT
X
BC
AUT
151
n) Acuerdo de Asociación Centroamérica – Unión Europea: Evaluación utilizando
Equilibrio General Computable y Equilibrio Parcial
Esta investigación estima un MEGC para Guatemala, Nicaragua y Costa Rica siendo el año base 2007. El
autor no presenta ecuaciones que conforman el modelo ya que en este caso se utilizó una aplicación
que realiza estimaciones de equilibrio general contenidas en un software elaborado por la Universidad
de Perdue de los Estados Unidos. Esta universidad tiene a cargo el proyecto denominado GTAP que
significa Proyecto de Evaluación del Comercio Global (GTAP por sus siglas en ingles). El sitio web de este
proyecto es: https://www.gtap.agecon.purdue.edu/#2.
El modelo estándar es multirregional y multisector con supuestos de competencia perfecta y función de
producción con retornos constantes a escala. Las bases de datos son aportadas por cada uno de los
países de manera voluntaria por lo que no todos los países figuran en la lista desagregada de la base de
datos. Por esta razón algunos países de la región no fueron considerados en este estudio. En efecto, la
investigación no incluye a El Salvador, Honduras y Panamá debido a que el Modelo GTAP no tiene
desagregada la información de estos países, sino que los presenta en forma agregada e incluye a Belice
dentro del grupo de estos países que son denominados “Resto de Centroamérica”. Por las razones
expuestas, este modelo no sería fácilmente replicable.
El uso del GTAP requiere de un esfuerzo orientado a manejar la herramienta lo cual requiere tiempo y
tiene un costo financiero. De esta manera debe evaluarse si vale la pena incurrir a nivel de país o a nivel
regional en estos costos.
MODELO DE EQUILIBRIO GENERAL PARA MEDIR IMPACTO DE ACUERDO DE ASOCIACION ENTRE CENTROAMERICA Y LA UNION EUROPEA
INFORMACION EN LINEA (ANO INICIO)
Identificac
ion
Nombre de la variable utilizada
Unidad
medida
GU
HO
ES
NI
CR
PA
FUENTE DE INFORMACION EN LINEA
Fuente
Primaria
GU
HO
SV
NI
BC, AA
BC, AA
BC, AA
BC, AA
CR
PA
DM
Va ri a ci ón del vol umen de l a s i mportaci ones
%
1950
1978
1990
1960
1991
1996
DX
Va ri a ci ón del vol umen de l a s exportaci ones
%
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC
ONE, AA
DB
Va ri a ci ón en el Bi enes tar
%
X
X
X
X
X
X
BC y ONE
AUT
AUT
AUT
AUT
AUT
ONE, AA
e
El a s tici da d preci o dema nda de i mportaci ones numero
X
X
X
X
X
X
BC y ONE
AUT
AUT
AUT
AUT
AUT
ONE, AA
t0
Ara ncel de i mportac/export. en l i nea ba s e
%
X
X
X
X
X
X
BC y MCC
AUT
AUT
AUT
AUT
AUT
ONE, AA
t1
Ara ncel de i mportaci on/exp. Depues de ALC
%
X
X
X
X
X
X
BC y MCC
AUT
AUT
AUT
AUT
AUT
ONE, AA
g
El a s tici da d preci o de l a s exportaci ones
numero
X
X
X
X
X
X
BC y OTROS AUT
AUT
AUT
AUT
AUT
ONE, AA
M0
Vol umen de l a s i mportaci ones en l ínea ba s e
UM
1950
1978
1990
1960
1991
1996
BC, AA
BC, AA
BC, AA
BC, AA
X0
Vol umen de l a s exportaci ones en l ínea ba s e
UM
1950
1978
1990
1960
1991
1996
BC
BC
BC
BC
BC, AA ONE, AA
BC, AA ONE, AA
BC
ONE, AA
152
VII.
INFORMACION ECONOMICA DE FUENTES EXTRARREGIONALES
MULTILATERALES PARA LA IMPLEMENTACION DE LAS
METODOLOGIAS QUE MIDEN EL IMPACTO DEL COMERCIO EN
LAS ECONOMIAS CENTROAMERICANAS
Algunas fuentes de información frecuentemente consultadas para obtener información, adicionales a las
instituciones regionales encargadas de producir información económica y social (BCs, ONEs, AAs, MCCS)
en materia de comercio internacional y crecimiento económico son las bases de datos de las Naciones
Unidas, Fondo Monetario Internacional y del Banco Mundial. Mención especial debe hacerse de la
información sobre la economía estadounidense la cual tiene particular importancia e influencia en el
desempeño de las económicas de la región centroamericana. A nivel Centroamericano, la Secretaria
Ejecutiva del Consejo Monetario Centroamericano ha creado una base de datos macroeconómica con
acceso en línea (internet) que provee información organizada en cinco sectores (Sector Real, Sector
Externo, Sector Fiscal, Sector Monetario y Financiero y Sector Bursátil) que incluye un conjunto
comprensivo de variables anuales, trimestrales y mensual es. Las series de tiempo de esta base de datos
se remontan hasta los años noventa y constituyen una alternativa muy conveniente para los analistas ya
que es de libre acceso48.
A. Solución integrada de comercio mundial (world integrated trade
solution (WITS)
El Banco Mundial desarrolló junto con la UNCTAD una aplicación denominada WITS para acceder a la
información de comercio internacional organizada por las Naciones Unidas en la base de datos
COMTRADE49.
La base de datos contiene información de más de 150 países o territorios aduanales donde se puede
obtener información de los flujos comerciales y aranceles vigentes según acuerdos comerciales
suscritos por los países. Esta facilidad de WITS es de mucha utilidad para estimar modelos que
requieren información del comercio entre pares de países o entre regiones a nivel de productos listado
de acuerdo a diferentes clasificaciones internacionales de mercancías o sectores productivos tales como
el Sistema Armonizado (SA) y la Clasificación Internacional de Industria Uniforme (CIIU).
En efecto, la aplicación WITS permite a los usuarios acceder y analizar a la información de comercio y
tarifas arancelarias, convertir información a diferentes nomenclaturas, personalizar grupos de países y
48
Ver http://www.secmca.org/simafir.html
49
Para visitar la página ir a:http://comtrade.un.org/db/
153
productos, y bajar la información definida en su consulta. Además, la aplicación incluye herramientas de
simulación para calcular el impacto de cambios tarifarios sobre los flujos comerciales (creación y
desviación de comercio), ingresos arancelarios y bienestar de los consumidores utilizando modelos de
equilibro parcial. Los usuarios deben rellenar en las casillas respectivas con la información que
requieren del sistema WITS. La consulta puede tardar un tiempo prudencial que aumenta según la
cantidad y complejidad de la información y cálculos solicitados a la aplicación.
El usuario de un país en desarrollo tiene un año de acceso gratis y debe inscribirse en el portal oficial de
WITS en la dirección: http://wits.worldbank.org/WITS/WITS/Default-A.aspx?Page=Default
La siguiente ilustración presenta la pantalla de inicio del portal WITS. Como puede apreciarse, se
requiere estar inscrito en el portal, lo cual no tiene ningún costo costa para ciertas solicitudes que
requieren información limitada.
Una vez ingresada la información del usuario, se accede a la siguiente página principal donde se realizan
las solicitudes de información.
Las bases de datos que pueden elegirse para la solicitud son:
COMTRADE de las Naciones Unidas, TRAINS de la UNCTAD, y la base de datos de la Organización
Mundial del Comercio.
Las consultas disponibles se agrupan en búsqueda rápida (QUICK QUERY) y búsqueda avanzada
(ADVANCED QUERY) como se aprecia en la siguiente ilustración.
154
B. Indicadores de desarrollo mundial (world development
indicators - WDI)
El Banco Mundial también administra la base de datos económicos WDI la cual contiene información
económica y social anual para 214 economías para el periodo 1960-2012 (a la fecha de Noviembre
2013). La información está organizada por país, variables o series y años (tiempo). La siguiente
ilustración ofrece una panorámica de la página inicial de esta base de datos del Banco Mundial.
Los tópicos que cubre son: Agricultura y desarrollo rural, efectividad de la ayuda internacional, cambio
climático, política económica y deuda externa, educación, energía y minería, medio ambiente, sector
financiero, genero, salud, infraestructura, trabajo y previsión social, pobreza, sector privado, ciencia y
tecnología, desarrollo social y desarrollo urbano.
La aplicación es fácil de usar y es amigable. En cualquier caso el sitio ofrece guías para el uso del portal.
En este sentido, la base de datos WDI es un recurso de información invaluable a la hora de obtener
información necesaria para alimentar los modelos de las metodologías econométricas elegidas para las
mediciones del impacto del comercio en el crecimiento económico de las economías centroamericanas.
155
C. Base de datos del comercio de mercancías (COMTRADE)
Las Naciones Unidas es la encargada de administrar esta base de datos que provee un gran cumulo de
información de más de 140 países que cubre el periodo de tiempo desde 1962 a la fecha. La información
de COMTRADE incluye más del 90% del comercio mundial.
Esta base de datos puede ser accedida a través de la aplicación WITS desarrollada por el Banco Mundial
y la UNCTAD como se señaló anteriormente. La diferencia estriba en que WITS ofrece herramientas para
realizar simulaciones, por ejemplo, el impacto de cambios tarifarios, mientras que en COMTRADE no
existe esta facilidad. En cambio, en el sitio oficial de COMTRADE se puede obtener la información de
acuerdo a una gran diversidad de clasificaciones de mercancías lo cual es útil para realizar análisis del
comercio entre países que utilizan diferentes clasificaciones, incluso diferentes versiones de la misma
clasificación.
156
157
V. CONCLUSIONES Y RECOMENDACIONES
El propósito del presente informe es presentar el resultado del inventario de información que tienen las
instituciones de los países centroamericanos la cual es necesaria para realizar estudios que cuantifiquen
el impacto del comercio internacional en las económicas de los países. La revisión de la información
existente en los países se realizó identificando, en primer lugar, la información requerida por las
investigaciones sobre la región que utilizan metodologías econométricas de medición de impacto de las
relaciones entre variables de comercio internacional y del desempeño de las economías. Las variables
utilizadas por los distintos modelos econométricos que han sido consultados en esta consultoría van
desde menos de 10 variables hasta más de 75 variables económicas y sociales. La mayoría de las
variables utilizadas son de frecuencia anual y los periodos de tiempo a que se refieren las cifras de las
variables involucran entre 10 a 20 años en promedio. Así mismo, para determinar el inventario se tuvo
en cuenta las referencias a las fuentes de información citadas por algunos estudios consultados, los
cuales apuntaron a que los bancos centrales son los principales proveedores de la información utilizada,
siguiéndole en importancia las oficinas nacionales de estadística que proveen información de encuestas
de hogares, empresas y precios. También se tuvieron en cuenta los manuales de estadística que utilizan
los BCs y otras instituciones recolectoras o productoras de información a fin de determinar si algunas
variables económicas no publicadas en internet son producidas en los BCs y en las ONEs de acuerdo a
dichas metodologías de recopilación y producción de estadísticas. En la sección II de este informe se
listan todas las variables utilizadas por las investigaciones revisadas en esta consultoría.
En segundo lugar, se procedió a investigar la información disponible en los países centroamericanos. Se
constató que casi el 100% de las variables económicas utilizadas en los estudios está disponible en sus
sitios de internet, pero los periodos de cobertura de la información son bastante diferentes entre países
y la mayoría de variables no se presenta con frecuencia trimestral o mensual. La información utilizada en
los estudios consultados sobre crecimiento y comercio que no disponible en los sitios web, en su
mayoría corresponde a otros países fuera de la región tales como economías de Europa, Asia y otras
regiones. La información de estos países extrarregionales se encuentra disponible en otras fuentes de
información disponible a través de internet. El costo para acceder a esta información en general es nulo,
excepto para casos en los cuales se requieren grandes y complejas bases de datos (algunos sitios web
tienen un “techo” hasta el cual el uso de la información no tiene costo. Una característica que sobresale
en la realización del inventario es que muchas variables utilizadas en los modelos econométricos de los
estudios empíricos revisados en esta consultoría, fueron elaboradas por los propios analistas e
investigadores, para lo cual hicieron uso de información disponible en las instituciones encargadas de
producir la información económica y social. Por ejemplo, los autores de los estudios construyeron
índices (p.e. apertura comercial y sofisticación de productos), elasticidades (p.e. sustitución entre bienes
importados y producidos domésticamente), proporciones (p.e. PIB per cápita y producto medio) y
subconjunto de variables económicas (p.e. salario promedio de hogares rurales, importaciones de
petróleo y exportaciones de granos de granos básicos). Cuando este es el caso (las variables económicas
requieren cierta transformación o calculo), en el inventario de información realizado se informa -en los
cuadros resumen ad-hoc preparados- que la información no está disponible en línea “en la forma final”
requerida por los modelos econométricos, pero se consigna en dichos cuadros qué fuentes de
información pueden consultarse para obtener los insumos necesarios para elaborar las variables
producidas por los autores de las investigaciones.
158
Dado que uno de los objetivos de la consultoría es proponer una metodología econométrica que
permita medir el impacto del comercio en las económicas centroamericanas, el inventario de la
información se ordenó de acuerdo a los tres grupos de metodologías utilizadas en los estudios, es decir:
modelos de equilibrio parcial uniecuacionales, modelos de multiecuacionales y modelos de equilibrio
general. Siguiendo esta clasificación, es importante mencionar que el inventario muestra que existe la
mayoría de la información utilizada para las primeras dos categorías; el inconveniente más importante
es que la información para periodos largo de tiempo y a nivel con un nivel de desagregación importante
debe ser solicitada a las instituciones productoras de la información. En contraste, las matrices de
contabilidad social requerida para implementar los MEGCs no es producida regularmente por los BCS y
la información existente en general se encuentra desactualizada.
A manera de conclusión, el inventario permite afirmar que las investigaciones que utilizan modelos de
equilibrio parcial y modelos multiecuacionales como los revisados en la consultoría pueden ser
replicados o, si se desea actualizados. Para esto sería necesario, utilizar información de otras fuentes
extrarregionales que compilan información del comercio y desempeño y estructura económica de los
países fuera del área centroamericana. Estas fuentes de información también proveen series de los
países centroamericanos, lo cual es muy conveniente para implementar las metodologías econométricas
de medición de impacto utilizando información comparable de la misma fuente. Entre estas fuentes de
información se encuentran: el Banco Mundial, las Naciones Unidas, UNCTAD, y Universidad de Perdue
de los Estados Unidos. Las bases de datos de estos organismos e instituciones son los Indicadores de
Desarrollo Mundial, estadísticas de comercio de mercancías (COMTRADE por sus siglas en inglés),
solución integrada de comercio mundial (WITS por sus siglas en inglés).
Dado los hallazgos respecto a la información disponible en los países, es recomendable para estimular la
producción de información relevante para la toma de decisiones a nivel regional en materia de política
comercial lo siguiente:
1. Promover la diseminación en línea de información económica relevante en cada uno de los
países para el análisis riguroso del tema comercio y crecimiento económico a nivel regional. La
falta de información desagregada y con frecuencia trimestral o mensual puede ser un
desincentivo importante para la realización de investigaciones comparativas entre países. Las
solicitudes de información en línea no siempre resultan la forma más eficiente y expedita de
obtener información en la forma requerida.
2. Promover la creación de una base de datos que incluya información relevante para el tema
comercio y crecimiento. Dada la naturaleza de bien público que tiene la información, lo
recomendable es que un organismo regional se encargue de producir y dar manteniendo a esta
base de datos. Esta base de datos podría dar vida a un sistema de monitoreo y evaluación a
nivel regional que involucre a todos los países de la región en una red de trabajo especializada
en el tema de comercio y crecimiento. La SIECA podría ser la entidad encargada de llenar este
vacío de información permanente sistematizada. Un punto de partida puede ser crear entre las
entidades de la institucionalidad del sistema de integración Centroamericana contribuir de
manera sistemática a enriquecer la base de datos SIMAFIR (mencionada al inicio de la sección
anterior) y a promover su utilización ya que actualmente, las organizaciones/instituciones como
las Naciones Unidas, Fondo Monetario Internacional y Banco Mundial ofrecen información pero
existen algunas restricciones que no permiten muchas veces obtener toda la información
requerida para una investigación especifica .
159
3. La metodología más apropiada para analizar el impacto del comercio en las económicas de la
región, son los MEGS ya que toman en cuenta los efectos directos e indirectos del comercio en
las economías Centroamericanas. Sin embargo, dado que no existe una metodología que pueda
ser considerada como “la mejor”, vale la pena aclarar que esta metodología que emplea MEGCs
debe complementarse con otras metodologías a fin de comparar los resultados aportados e
proporcionar recomendaciones de política comercial a las autoridades encargadas del comercio
mejor informadas .
4. La escasez de información en materia económica para la realización de investigaciones rigurosas
sobre temas de comercio internacional impone limitantes importantes que muchas veces
determinan que temas pueden desarrollarse y cuáles no. La teoría económica sugiere cuales son
las variables económicas que deben ser incluidas en los análisis, pero la falta de información se
convierte en una determinante de especial importancia. Por ejemplo, la teoría del crecimiento
endógeno indica que la transferencia de tecnología y conocimiento obtenida debido al
comercio internacional no puede ser analizada si no se cuenta con información sobre la
transferencia de tecnología y conocimiento. Como resultado muchos estudios utlizan las
denominadas variables proxy que se aproximan a la variable explicativa de un fenómeno
económico (por ejemplo, los años de escolaridad o la importación de bienes de capital como
variables sustitutas del conocimiento provocado por el comercio internacional). Pero al utilizar
dichas proxies De entre las metodologías econométricas que cuantifican las relaciones entre las
variables macroeconómicas
BIBLIOGRAFIA
44) Alesina, A., and R. Wacziarg, 1998, “Openness, Country Size, and Government,” Journal of Public
Economics, Vol. 69, No. 3, pp. 305–321
45) Álvarez, Mariano et all (2008),Acuerdo de Asociación Centroamérica – Unión Europea:
Evaluación utilizando Equilibrio General Computable y Equilibrio Parcial, CEPAL, Documento de
Proyecto.
46) Aquino, Luis y Carlos Sanabria (2007), Modelo Macro econométrico de Pequeña escala para El
Salvador, Banco Central de El salvador, Documentos Ocasionales No. 2007 – 03
47) Arellano, Manuel and Stephen Bond, (1991), "Some Tests of Specification for Panel Data: Monte
Carlo Evidence and an Application to Employment Equations," Review of Economic Studies, 58,
277-297.
48) Barrot, Diego; Stephanie Medina y, Andrew Swiston (2012), Central America, Panama, and the
Dominican Republic: Trade Integration and Economic Performance, IMF Working Paper
49) Bello, Oknan (2007), Modelo Macro econométrico de Proyección de Corto Plazo para Nicaragua,
Banco Central de Nicaragua, Documentos de Trabajo.
50) Cankarahasan, Burhan(2009), Causal links between trade and economic growth. Evidence from
Turkey and EU countries, Istambul Bilgi University of Turkey.
51) Carrera, Feliz y Panigo (s/a), Una Medición de los Canales de Transmisión de las Fluctuaciones
Económicas. El caso de Argentina y los Estados Unidos, Centro de Asistencia a las Ciencias
Económicas y Sociales (UBA), Departamento de Economía (UNLP) y PIETTE (CONICET).
52) Ching, Steve; Cheng Hsiao y Shui Ki Wan (2010), A Panel Data Approach for Program Evaluation
— Measuring the Benefits of Political and Economic Integration of Hong Kong with Mainland
160
53)
54)
55)
56)
57)
58)
59)
60)
61)
62)
63)
64)
65)
66)
67)
68)
69)
70)
71)
72)
73)
74)
75)
China, August 30, 2010. Email: [email protected], H. Steve Ching, City University of Hong Kong,
Feng Chia University, Taiwan, email: [email protected], (c)Shui Ki Wan, Hong Kong Baptist
University, email: [email protected].
DANE (2005), Documento metodológico de la Matriz de Contabilidad Social (MCS), Dirección de
Síntesis y Cuentas Nacionales, Investigaciones especiales, Bogota, Colombia
Fernández, E. et all (2003),Análisis de la matriz de contabilidad social: un estudio
para colombia (2003), Universidad de Oviedo
Fernández, Adolfo y P. Pérez (sin año), ¿Integración o apertura comercial? Disparidad de los
efectos sobre el crecimiento, Working Paper 7th Volume, Número 6.
Flores Sarria, Alfredo Ibrahim (2013), Perturbaciones internas y externas en pequeñas
economías abiertas: un análisis de equilibrio general para el caso de Nicaragua (1994-2011),
Banco Central de Guatemala, Working Papers No. 127
FMI (2001), Manual de estadísticas de las finanzas públicas 2001
FMI (2000), Manual de estadistas monetarias y financieras, Edición 2000
FIM (2004), Revisión del Manual de balanza de pagos, quinta Edición. Reseña comentada 2004
Galindo, Miguel (2003), Modelos econométricos para los países de Centroamérica, CEPAL,
LC/MEX/L.581
Gámez, Oscar (2010), Modelo de Equilibrio General Computable para Nicaragua, Banco Central
de Nicaragua, Documento de Trabajo 02 – 2010, Managua.
García Núñez, Luis (2011), Econometría de evaluación de impacto, Pontificia Universidad
Católica del Perú, Economía Vol. XXXIV, N° 67, semestre enero-junio 2011, pp. 81-125
Gordillo, Marcelo; Aiga Stokenberga y Jordan Schwartz (2010), Understanding the Benefits of
Regional Integration to Trade: The Application of a Gravity Model to the Case of Central
America, Policy Research Working Paper 5506, Washington D.C.
Gujarati, D. (2004), Basic Econometrics, Fourth Edition, The McGrawHill Companies.
Helpman, E., M. Melitz and Y. Rubinstein (2005): Trading Partners and Trading Volumes. March
31
Iraheta, Manuel (2008), Modelo macro econométrico Regional II, SECMCA, Documento de
Trabajo SECMCA II – 2612, San José, Costa Rica.
Khandker, Shahidur; Gayatri Koolwal y Hussain Samad (2010), Handbook on Impact Evaluation.
Quantitative Methods and Pactices World Bank, Washignton D.C.
Logfren et all (2002), A Standard Computable General Equilibrium (CGE) Model in GAMS, IFPRI,
Microcomputers in policy research 5, Washington DC.
Organización Mundial del Comercio (2004), Informe Sobre el Comercio Mundial.
Rodriguez, R. y D. Rodrik (2001), Trade and economic growth. A skeptics guide to the crossnational evidence, NBER Macroeconomic Annual 2000, Vol. 15.
Sánchez, Marco V. (2009), Apertura comercial y pobreza en Centroamérica: logros y
desafíos,Revista de la CEPAL 98
Sánchez, Marco Vinicio (2000 ), Impacto de la eliminación de los CAT y del otorgamiento de
otros incentivos de política comercial: Un análisis cuantitativo de EGC, Economía y Sociedad,
No 14,
Sánchez León, Sarahí (2010), Crecimiento económico y comercio exterior de México en el marco
del tratado de libre comercio con américa del norte, TLCAN, 1994-2008. Tesis de Maestría en
Economía Aplicada, Tijuana B.C., México.
Seruzier, Michel (2003),“Medir la Economía de los Países según el Sistema de Cuentas
acionales”, CEPAL
Sims, Christopher (1980), Macroeconomics and Reality, Econometrica, Vol. 48, No. 1, pp. 1-48.
161
76) System of National Account 1993, Brussels/Luxembourg, New York, Paris, Washington,
D.C.http://unstats.un.org/unsd/nationalaccount/docs/1993sna.pdf
77) Toledo, Wilfredo (2012), Una introducción a la econometría con datos de panel, Universidad de
Puerto Rico, Recinto de Río Piedras , Ensayos y Monografías , Número 152
78) Trejos, Alberto (2009), Instrumentos para la evaluación del impacto de acuerdos comerciales
internacionales. Aplicación a países pequeños de América latina, CEPAL, Serie Estudios y
Perspectivas 110, México D.F.
79) Villalobos, María (2010), Estimación del impacto de un Acuerdo de Asociación entre
Centroamérica y la Unión Europea: una aplicación de un modelo gravitacional de comercio para
el caso de Costa Rica, Universidad de Costa Rica, San José.
162
ANEXO 3: TERCER INFORME
163
SECRETARIA DE INTEGRACION ECONOMICA CENTROAMERICANA
(SIECA)
CONSULTORIA
“Diseño de una Metodología Integral para la Medición del Impacto del
Comercio Intrarregional en las Economías de Centroamérica”
TERCER INFORME DE CONSULTORIA
Diseño e implementación de metodología para medir el impacto del
comercio intrarregional en las economías centroamericanas
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas
Secretaria de Integración Económica Centroamericana (SIECA)
Presentado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
Diciembre 10 de 2013
Ciudad de Guatemala, Guatemala, C.A
Las opiniones expresadas en este informe son las del autor y no necesariamente reflejan las de la SIECA.
164
TERCER INFORME
PARTE I
“Diseño de una metodología integral que permita medir el impacto del comercio
intrarregional en las economías de Centroamérica (Costa Rica, El Salvador, Guatemala,
Honduras, Nicaragua y Panamá), con viabilidad y sustentación técnica, que proponga dentro de
su contenido la necesidad de desarrollo de procesos de recolección de datos, construcción de
indicadores así como la presentación de una propuesta financiera que estime los costos
asociados a la obtención de datos y su implementación”
PARTE II
“Aplicación de la metodología para los países de la región centroamericana (Costa Rica, El
Salvador, Guatemala, Honduras, Nicaragua y Panamá) presentada en un documento de
investigación en el que se expongan y analicen los resultados de la aplicación de la misma”
Presentado a:
Doctor Oscar Morales, Director
Dirección de Estadísticas, Estudios y Políticas (DEEP)
Secretaria de Integración Económica Centroamericana (SIECA)
Preparado por:
Mario Antonio Martínez Rodríguez
Consultor Principal
Ciudad de Guatemala, Guatemala, Diciembre 10 de 2013
165
CONTENIDO
ABREVIACIONES Y ACRONIMOS...................................................................................................... 167
I.
PRESENTACION Y ALCANCE DEL TERCER INFORME .......................................................... 168
PARTE I. DISEÑO DE METODOLOGIA INTEGRAL PARA MEDIR EL IMPACTO DEL COMERCIO EN EL
CRECIMIENTO ECONOMICO EN CENTROAMERICA ........................................................................... 170
A.
SUSTENTACION TEORICA DE METODOLOGIA PROPUESTA ............................................... 170
B.
ESPECIFICACIÓN TEÓRICA DEL MODELO DE COMERCIO INTRARREGIONAL Y CRECIMIENTO
ECONÓMICO .................................................................................................................................. 177
C.
ESPECIFICACION DEL MODELO PROPUESTO .................................................................... 179
D.
METODOLOGÍA ECONOMÉTRICA PROPUESTA UTILIZANDO VECM ................................... 183
PARTE II. APLICACIÓN DE LA METODOLOGIA PARA LOS PAISES DE LA REGION PARA MEDIR EL
IMPACTO DEL COMERCIO INTRARREGIONAL EN EL CRECIMIENTO ECONOMICO............................... 186
A.
METODOLOGIA DE ESTIMACION IMPLEMENTADA .......................................................... 186
B.
ANALISIS DE RESULTADOS .............................................................................................. 192
V. CONCLUSIONES PRINCIPALES ..................................................................................................... 237
BIBLIOGRAFIA ................................................................................................................................ 241
ADJUNTOS DE LOS PAISES: PRUEBAS ECONOMETRICAS .................................................................. 244
ADJUNTO SOBRE GUATEMALA ....................................................................................................... 245
ADJUNTO SOBRE EL SAL VADOR .............................................................................................. 272
ADJUNTO SOBRE HON DUR AS .................................................................................................. 300
ADJUNTO SOBRE NICARA GUA ................................................................................................ 327
ADJUNTO SOBRE COST A RICA ................................................................................................. 356
ADJUNTO SOBRE PANAMA............................................................................................................. 357
166
ABREVIACIONES Y ACRO NIMOS
AAs: Agencias aduanales
ALC: Acuerdo de Libre comercio
BCs: Bancos Centrales
BM: Banco Mundial
CAFTA-DR: Tratado de Libre Comercio Centro América, Republica Dominicana y Estados Unidos
CEPAL: Comisión Económica para América latina y el Caribe
CMCA: Consejo Monetario Centroamericano
FMI: Fondo Monetario Internacional
GAMS: General Algebraic Modeling System
GTAP: Global Trade Analysis Project
MCCs: Ministerios a cargo del comercio
MCS: Matriz de Contabilidad Social
MEGC: Modelo de Equilibrio General Computable
MELI: Mejores estimadores lineales insesgados
MIP: Matriz Insumo-Producto
MMI: Metodología de medición de impacto
MPSGE: Mathematical Programming System for General Equilibrium
OMC: Organización Mundial del Comercio
ONEs: Oficinas Nacionales de Estadísticas
PIB: Producto Interno Bruto
SECMCA: Secretaria Ejecutiva del CMCA
SICA: Sistema de Integración Centroamericana
SIECA: Secretaria de Integración Económica Centroamericana
SNC: Sistema Nacional de Contabilidad
UE: Unión Europea
UN: Naciones Unidas
UNCTAD: United Nations Conference on Trade and Development
OMC: Organización Mundial de Comercio
MICO: Mínimos cuadrados ordinarios
167
VIII.
PRESENTACION Y ALCAN CE DEL TERCER INFORM E
El presente informe corresponde al cuarto producto de la consultoría « Diseño de una Metodología
Integral para la Medición del Impacto del Comercio Intrarregional en las Economías de
Centroamérica »50 encargado por la Secretaria de Integración Económica de Centroamérica (SIECA). En
particular, este Tercer Informe responde al doble propósito de realizar:
a. “Diseño de una metodología integral que permita medir el impacto del comercio intrarregional en las
economías de Centroamérica (Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá), con
viabilidad y sustentación técnica, que proponga dentro de su contenido la necesidad de desarrollo de
procesos de recolección de datos, construcción de indicadores así como la presentación de una
propuesta financiera que estime los costos asociados a la obtención de datos y su implementación. “
b. “Aplicación de la metodología para los países de la región centroamericana (Costa Rica, El Salvador,
Guatemala, Honduras, Nicaragua y Panamá) presentada en un documento de investigación en el que se
expongan y analicen los resultados de la aplicación de la misma.”
El diseño de la metodología (literal a) se beneficia de los informes anteriores (Primer Informe y Segundo
Informe) donde se presentaron las diferentes metodologías econométricas utilizadas para medir el
impacto de comercio intrarregional en los países centroamericanos en años recientes y la información
disponible en los países para implementar esas metodologías. Sin embargo, en este Informe también se
consideran investigaciones empíricas realizadas para países fuera de la región sobre la misma temática.
El presente Informe comprende dos partes. En la primera se presenta el diseño de una metodología para
cuantificar el impacto del comercio intrarregional en las economías centroamericanas basada en
fundamentos teóricos y técnicos que reflejen la realidad de los países centroamericanos, es decir, que se
considere la historia económica reciente en materia de integración económica y apertura comercial; la
metodología propuesta también incluiye lanecesidad de desarrollo de procesos de recolección de datos,
construcción de indicadores así como la presentación de una propuesta financiera que estime los costos
asociados a la obtención de datos y la implementación de la metodología propuesta. A fin de garantizar
que la metodología propuesta es la más adecuada para medir el impacto del comercio en el crecimiento
económico de las economías centroamericanas se analizan los fundamentos teóricos y la evidencia
50 El hilo conductor de la presente consultoría es responder a la interrogante: ¿Cuál es el impacto y canales de
transmisión del comercio intrarregional en las economías de Centroamérica? Se espera que la respuesta a esta
pregunta proporcione a la SIECA y a los países miembros del Subsistema de Integración Económico
Centroamericano de una metodología que permita medir el impacto del comercio intrarregional en las economías
centroamericanas mediante un modelo que identifique los mecanismos a través de los cuales se transmite dicho
impacto y que vienen determinados por las relaciones entre las variables económicas involucradas en la
determinación de los volúmenes de comercio sugeridas por la teórica económica por un lado y por la compleja
realidad observada por otro lado.
168
empírica más sobresaliente sobre la relación entre el comercio y el crecimiento económico así como las
ventajas y desventajas de las distintas metodologías existentes en la econometría moderna.
La segunda parte incluye la implementación de la metodología propuesta en los países de la región
centroamericana (Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá). En esta parte se
describe en detalle el modelo econométrico propuesto, las variables económicas incluidas en el modelo
y las fuentes de información utilizadas.
Es importante señalar que las relaciones del comercio intrarregional y la dinámica de la economía
incluye en la práctica un número importante de diferentes variables económicas en la especificación del
modelo econométrico propuesto en este Informe. La selección de variables a incluir en el modelo
propuesto se fundamentó en la teoría económica y en la evidencia empírica.
169
PARTE I. D ISEÑO DE METODOLOGIA INTEGRAL PARA MEDIR EL IMPACT O DEL
COMERCIO EN EL CRECI MIENTO ECONOMICO EN CENTROAMERICA
Resultado Esperado51:
“Diseño de una metodología integral que permita medir el impacto del comercio intrarregional en las
economías de Centroamérica (Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá), con
viabilidad y sustentación técnica, que proponga dentro de su contenido la necesidad de desarrollo de
procesos de recolección de datos, construcción de indicadores así como la presentación de una
propuesta financiera que estime los costos asociados a la obtención de datos y su implementación”.
A. SUSTENTACION TEORICA DE METODOLOGIA PROPU ESTA
A.1. FUNDAMENTOS TEÓRICOS DE LA METODOLOGIA PROPUESTA
Una de las críticas más recurrentes a las investigaciones empíricas que miden el impacto y mecanismos
de transmisión de las variables económicas entre sí ha sido la especificación de modelos que incluyen
variables que no tienen sustento teórico y que por tanto sus conclusiones no son tan útiles para la
formulación de políticas económicas. En parte esto se debe a la insuficiencia de la teoría económica
relacionada a los temas de investigación. Por ejemplo, en materia de comercio internacional, Rodríguez
y Rodrik (2001) revisaron un sinnúmero de estudios y se mostraron escépticos de las conclusiones ya
que no se utilizaron, según ellos, las variables más apropiadas para medir el impacto del comercio en el
crecimiento de las economías.
En muchos casos, las variables incluidas en los modelos econométricos han sido resultado de la falta de
información sobre las variables económicas que la teórica económica postula como las que intervienen
en la explicación de la realidad económica. En otras ocasiones, la razón ha sido la subjetividad de los
analistas que tratan de innovar utilizando información de variables económicas que tienen en principio
asidero teórico pero dejan por fuera del modelo variables importantes para otros analistas lo que
conduce a escepticismo o desconfianza sobre los resultados encontrados; un problema importante en
este sentido es la utilización de ciertas variables como endógenas, mientras que también pueden ser
consideradas exógenas por otros investigadores. Sims (1980) propuso una metodología para evitar
estos problemas de especificación mediante la consideración de todas las variables de un modelo
econométrico como endógenas y exógenas al mismo tiempo. La metodología que aplica esta
conclusión de Sims es ampliamente utilizada ya que tiene varias ventajas. En primer lugar, evita el
problema de insuficiente información de la teoría y reduce el riesgo de conclusiones erróneas sobre las
51
De acuerdo a los términos de referencia de la consultoría y Plan de Trabajo de la misma.
170
relaciones de causalidad entre las variables que postula la teoría. En segundo lugar, la metodología
considera las relaciones simultáneas que suelen caracterizar a relaciones entre las variables económicas
así como sus efectos dinámicos al incluir en la especificación de los modelos, valores históricos
(rezagados) de todas las variables; de esta característica se deriva el nombre de nombre de la
metodología de vectores autorregresivos (VAR) propuesta por Sims; esta metodología considera tanto la
simultaneidad de las relaciones entre las variables, es decir sus efectos directos e indirectos, así como
los efectos dinámicos a través del tiempo. En otras palabras, la metodología econométrica que utiliza
vectores autorregresivos toma en cuenta los “efectos de segunda vuelta” que tiene el comercio en las
economías. La metodología VAR consiste en un sistema de ecuaciones simultáneo que considera los
distintos posibles efectos que puede tener un cambio en el tiempo de una variable sobre todas las
demás del sistema de ecuaciones. Así mismo el VAR también incluye variables que son cien por ciento
exógenas al sistema y sobre las cuales no hay ambigüedad sobre su exogeneidad, por ejemplo, los
cambios en las políticas comerciales, monetarias y fiscales de los socios comerciales o los choques
externos como aumento de precios internacionales o desastres naturales.
El VAR tiene la siguiente estructura:
Yit = Yi t-1 + Yi t-2 + . . . + Xit + Xi t-1 + Xt-2 …… + eit
Donde i representa la i-esima variable endógena o exógena y t las observaciones de las series de tiempo
que pueden ser anuales, trimestrales, etc. La metodología tiene varias ventajas desde el punto de vista
estadístico ya que debido a la inclusión de rezagos como variables explicativas soslaya el problema de
autocorrelación que pueden tener las series de tiempo.
Los problemas de endogeneidad o simultaneidad no se presentan en el caso de los Vectores
Autorregresivos (VAR) y los Vectores Autorregresivos con Corrección de Errores (VECM por sus siglas en
inglés) debido a que todas las variables sujetas a análisis cuantitativo se consideran endógenas y
exógenas a la vez. El método VECM es una variante de los VAR que considera el proceso de ajuste de los
desequilibrios de corto plazo respecto de los valores de largo plazo en las variables económicas. Un
ejemplo, puede ser el hecho que las exportaciones crezcan abruptamente debido a un aumento de los
precios internacionales de los productos agrícolas; si este incremento coloca a las exportaciones
agrícolas por encima de su tendencia a largo plazo, entonces las exportaciones agrícolas deberán
disminuir para volver al valor de largo plazo. Esta corrección de la desviación temporal de las
exportaciones hacia su nivel de equilibro se conoce como el mecanismo de corrección de errores (error
correction) que permite analizar la metodología econométrica que utiliza VECM (Vector de Corrección
de Errores por su nombre en Español).
En el Primer Informe de esta consultoría se destacaron las siguientes ventajas de los VAR y VECM:
9) Método simple, donde todas las variables son tratadas por igual: todas son endógenas y exógenas a
la vez. Esta característica es muy importante a la hora de elegir una metodología de estimación
cuando se sabe anticipadamente que las variables que se analizaran son determinadas
simultáneamente, como es el caso de las relaciones entre las variables de comercio internacional y
crecimiento económico.
10) Estimación simple. Incluso puede aplicarse mínimos cuadrados ordinarios a cada ecuación por
separado.
11) Las predicciones obtenidas pueden ser mejores que las de los MES ya que permiten el uso de más
información del comportamiento de las series económicas a través de sus valores rezagados. Las
171
12)
13)
14)
15)
estimaciones pueden ser mejores que la de los MES ya que consideran las relaciones de corto y
largo plazo de las variables del sistema de ecuaciones simultaneas.
Son inmunes a la crítica de las relaciones “espurias” de las variables económicas al considerar
únicamente las variables que están relacionadas a largo plazo (variables cointegradas).
Permiten incluir el tema de la causalidad o mecanismo de transmisión entre las variables.
Modelo supera los problemas de información teórica insuficiente necesaria para especificar las
ecuaciones econométricas, pues elimina el problema de identificación que tienen los MES puros.
Respuesta de la variable dependiente a shocks en los términos de error durante diversos periodos
en el futuro.
La Figura 1 del Primer y Segundo Informe se reproduce por conveniencia en este Informe. La ilustración
refleja que el comercio internacional, muy probablemente, no tiene una causalidad unidireccional con
respecto al crecimiento económico ni con otras variables relevantes como el empleo, el consumo, la
productividad y el bienestar, incluso el comercio internacional parece que incide en las políticas
económicas distintas a la comercial por ejemplo la política fiscal, la monetaria, la crediticia, y la
cambiaria. Por ejemplo, las empresas exportadoras que en un contexto exitoso de promoción de
exportaciones registran importantes aumentos en sus venta al exterior, seguramente invertirán más en
su sector productivo, lo cual podría influir en el sistema financiero y en la administración pública para
diseñar planes de expansión crediticita hacia ese sector; por su parte la política fiscal puede
implementar medidas de promoción de exportaciones mediante la exención o rebaja de impuestos o
aranceles a las importaciones.
Figura 1. Causas, efectos y mecanismos de transmisión del comercio internacional
172
La idoneidad de la metodología VAR – VECM para medir el impacto del comercio intrarregional y
extrarregional de las economías que mantienen acuerdos de integración económica vía
multilateralismo, como los países Centroamericanos, queda reflejada en la simultaneidad de las
interrelaciones entre el comercio internacional y la dinámica económica y social de los países de la
región. Lo cual implica que los resultados de las pruebas de causalidad arrojen que existe una relación
bidireccional entre las variables analizadas. Por ejemplo, las exportaciones tienden a aumentar el
crecimiento y este a su vez afecta el nivel de exportaciones a través del incentivo a invertir que generan
las expectativas de expansión de las ventas al exterior. Debido a esta razón, la metodología propuesta
para la estimación de los efectos del comercio internacional en las economías, en particular el comercio
intrarregional que caracteriza a un buen porcentaje de los flujos comerciales en Centroamérica, debe
satisfacer la necesidad de considerar la simultaneidad o endogeneidad de las relaciones entre las
variables económicas relevantes. Precisamente, por esta necesidad, la metodología propuesta de
medición del impacto del comercio intrarregional en las economías centroamericanas es la que utiliza
vectores de corrección de errores (VECM). Con esta metodología se evita la crítica de Sims mencionada
anteriormente.
A.2. FUNDAMENTOS TEÓRICOS SOBRE COMERCIO INTRARREGIONAL Y CRECIMIENTO
ECONOMICO
SOBRE LA IMPORTANCIA DEL COMERCIO INTRARREGIONAL EN LAS ECONOMÍAS
CENTROAMERICANAS
Los objetivos principales de la política comercial basada tanto en acuerdos regionales como en la
liberación comercial global (extrarregional) son reducir las barreras comerciales para fortalecer el
crecimiento económico. La pregunta natural que surge es si los acuerdos comerciales regionales
fortalecen el crecimiento más que la liberación del comercio extrarregional. En Centroamérica, las
investigaciones empíricas consultadas aparentemente no han tenido dentro de sus propósitos esta
comparación. Sin embargo, debe señalarse que algunas investigaciones analizan el comercio regional
desde el punto de vista del enfoque gravitacional, según el cual se supone teóricamente que los países
vecinos o países geográficamente cercanos deberían mostrar mayores niveles de comercio que con
países “lejanos”. Este enfoque se basa en la ley de la gravedad de Isaac Newton según la cual “la fuerza
de atracción que experimentan dos cuerpos dotados de masa es directamente proporcional al
productode sus masas e inversamente proporcional al cuadrado de la distancia que los separa”. Los
estudios entonces suponen que por su cercanía los países centroamericanos deben comerciar entre
ellos a ciertos niveles “importantes” y comparan los niveles estimados por los modelos econométricos
“gravitacionales” con los niveles de comercio intrarregional observados en países europeos que tienen
características similares a los centroamericanos (p.e. tamaño y distancia). Este enfoque supone
implícitamente que el comercio intrarregional es beneficioso y que debe ser promocionado con medidas
comerciales que profundicen la integración económica centroamericana. Los modelos gravitacionales
utilizan diferentes variables que toman en cuenta la cercanía y tamaño de los países que comercian,
entre ellas se encuentran: el tamaño de la población, la distancia entre ciudades y variables dummy que
consideran si los países son vecinos o comparten frontera. En nuestro modelo se utiliza la variable
173
población a fin de capturar los efectos de la integración económica en los niveles de comercio
intrarregional.
Gordillo, Stokenberga y Schwartz (2010) y Medina, Swiston y Barrot (2012) concluyen que los países
centroamericanos deben aprovechar su cercanía para incrementar el comercio intrarregional ya que
este se encuentra por debajo de los estándares de países que han suscrito acuerdo comerciales
regionales en Europa y Asia. Las gráficas sobre la evolución del comercio de los países centroamericanos
reflejan que el comercio intrarregional (INTRA en los gráficos) se ha rezagado respecto del comercio
extrarregional (EXTRA en los gráficos). Lo que justifica una investigación sobre su impacto en el
crecimiento económico de los países de la región como una primera aproximación para realizar estudios
por sectores económicos y ramas de actividad económica a fin de entender mejor las causas de dicho
rezago. Las cifras se presentan en millones de dólares de los Estados Unidos y su fuente es la base de
datos
de
comercio
exterior
de
Latinoamérica
de
la
CEPAL
(BADECEL,
http://interwp.cepal.org/badecel/basededatos.asp).
174
FUENTE: BADECEL, CEPAL
Todos los países, incluyendo la información incompleta de Panamá reflejan que el comercio
intrarregional de los países centroamericanos no ha mostrado un gran dinamismo en comparación al
comercio extrarregional a pesar de la cercanía geográfica y su similitud con los países de la región en
aspectos económicos, sociales, culturales, religiosos e incluso políticos. La tendencia mostrada en las
últimas décadas evidencia una brecha en crecimiento entre ambos tipos de flujos comerciales; las
brechas incluso se incrementan a través el tiempo en todos los países sin excepción. Todos los países
exportan más hacia fuera de la región a pesar de su sensibilidad a los choques externos, como se refleja
en la caída significativa en el comercio extrarregional a fines de la década pasada como consecuencia de
los choques de aumento del precio del petróleo y de los alimentos. En contraste, el comercio
intrarregional registró un decrecimiento menor durante la crisis.
175
Como se observa en el Cuadro 1 a continuación, Panamá es un caso atípico en cuanto a su grado de
apertura comercial (un promedio de 155%, seguido de Honduras con un 80% de apertura comercial, el
resto de países centroamericanos se encuentra por debajo de los niveles de Honduras) medida por la
suma de las exportaciones e importaciones como porcentaje del PIB. Dado que este país no es socio del
TGIECA sus niveles de comercio intrarregional muestran niveles comparativamente bajos.
Los países que menos crecimiento económico han mostrado en las últimas seis décadas desde que se
firmó el TGIECA son El Salvador y Nicaragua. Mientras que los de mayor crecimiento económico
promedio son Costa Rica y Panamá, observándose que Panamá tiene la mayor tasa promedio de
crecimiento, aunque en un periodo de tiempo menor. Este hecho llama la atención, ya que a pesar de
no estar formalmente integrado a la región centroamericana su economía ha sido más dinámica, esto
justifica la investigación a fin de dilucidar el papel que ha tenido el comercio intrarregional en el
crecimiento económico de la región. Esta diferencia será analizada cuantitativamente en muestro
modelo ya que incluye tanto el comercio intrarregional como el extrarregional, lo que permitirá medir si
el impacto del comercio extrarregional en el crecimiento económico es mayor que el impacto del
comercio intrarregional.
Cuadro 1. Indicadores macroeconómicos seleccionados.
176
CENTROMERICA: INDICADORES ECONOMICOS
El Salvador
El Salvador
El Salvador
El Salvador
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
1960-90
10.2
2.6
0.4
55.5
1991-2011
5.9
3.2
2.4
64.4
1960-2011
8.4
2.8
1.2
59.1
Costa Rica
Costa Rica
Costa Rica
Costa Rica
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
13.6
4.8
1.9
62.4
12.8
4.8
2.7
88.3
0.1
4.8
2.2
72.8
Guatemala
Guatemala
Guatemala
Guatemala
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
8.5
4.0
1.4
37.3
8.9
3.7
1.3
55.1
0.1
3.9
1.4
44.5
Honduras
Honduras
Honduras
Honduras
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
6.1
4.2
1.2
60.9
12.8
3.7
1.5
108.2
0.1
4.0
1.3
80.0
Nicaragua
Nicaragua
Nicaragua
Nicaragua
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
ND
2.2
-0.7
58.8
8.1
3.3
1.6
67.6
0.1
2.6
0.3
62.4
Panama
Panama
Panama
Panama
Inflacion (%)
Crec. Real PIB (%)
Crec. PIB per capita (%)
Apertura Comercial (%)
0.0
4.6
1.9
147.6
0.0
6.0
4.0
158.7
0.0
5.1
2.8
154.9
FUENTE: World Development Indicators 2012, World Bank. Inflación= cambio porcentual en el
índice de precios al consumidor. Apertura comercial= exportaciones más importaciones entre el
PIB.
B. ESPECIFICACIÓN TEÓRI CA DEL MODELO DE COM ERCIO INTRARREGIONAL Y
CRECIMIENTO ECONÓMIC O
Para medir el impacto del comercio intrarregional en las economías centroamericanas y determinar los
mecanismos de transmisión se especifica, en primer lugar, un modelo teórico matemático basado en la
teoría del comercio internacional e integración económica. Las variables incluidas en el modelo
incluyen: el consumo privado (CP), la inversión privada (I), el gasto público (G), el comercio
intrarregional (R), el comercio extrarregional (W), el tamaño de la población de la región como un todo
177
(POCA o POCAP) y la inflación (DP). Tanto el gasto público como la inflación se consideran variables de
política económica que afectan la eficiencia de la economía a largo plazo.
El modelo propuesto recoge los postulados teóricos y empíricos sobre los efectos del comercio en
general y del comercio intrarregional. En el caso del comercio intrarregional se considera que este debe
presentar mayores niveles y mayor dinamismo que el comercio extrarregional ya que los menores
costos de transporte, seguro y fletes, así como las medidas de integración comercial (acuerdos
comerciales regionales) y las características similares entre los países son consideradas como algunas de
las variables explicativas que debe inducir mayores niveles de comercio entre países socios comerciales
(Guatemala, Honduras, El Salvador, Nicaragua y Costa Rica) o simplemente entre países vecinos
(Panamá y Centroamérica). En Centroamérica, los inicios de la integración comercial data de los años 60
del siglo pasado y los niveles de integración se han ido ampliando notablemente a través de los años.
Dado que la integración económica regional busca favorecer el crecimiento mediante la expansión del
mercado, se incluye la variable población a fin de capturar este postulado teórico del comercio
internacional.
Además de la variable “población”, nuestro modelo incluye la diferenciación entre comercio
intrarregional y extrarregional a fin de cuantificar y comparar el impacto que ambos tipos de comercio
tienen en la dinámica de las economías de la región. En los estudios empíricos sobre los impactos del
comercio intrarregional por grupos de países generalmente se realiza estimando modelos
econométricos con variables dummy que dan cuenta de si u país mantiene o no un acuerdo de comercio
regional. Esta forma de análisis considera que los efectos dinámicos que el comercio tiene en las
distintas economías son iguales sin considerar los diferentes patrones que pueda tener el comercio.
La inclusión del consumo privado se fundamenta en el enfoque Keynesiano de demanda agregada
efectiva según el cual el crecimiento económico se dinamiza a través de las políticas monetaria y fiscal
expansivas mediante la reducción de las tasas de interés o reducción de las tasas impositivas o
expansión del gasto público. En este sentido un aumento de las exportaciones implica mayores niveles
de ingreso de los hogares, lo cual conduce a mayores niveles de consumo privado que es un
componente de gran proporción en la composición del PIB de las economías. Análogamente, las
exportaciones inciden en un mayor dinamismo económico a través de las decisiones de inversión de los
empresarios que ven en el sector exportador una oportunidad para expandir sus negocios de manera
importante y sostenida.
La variable inversión privada se justica en base a la teoría de crecimiento endógeno la cual destaca los
efectos de la tecnología en el crecimiento económico a largo plazo. El mecanismo opera, por ejemplo, a
través de la importación de bienes de capital, atracción de inversiones extranjeras de alta tecnología o
trasferencia de conocimientos. Los efectos de la inversión al igual que los del consumo privado son
dinámicos. Por un lado, los planes de inversión y de consumo duradero toman tiempo en producirse y
tienden a producir efectos dinamizadores distribuidos en el tiempo, no solo en el sector exportador sino
también en los sectores productores de bienes localmente. Adicionalmente, la inversión permite la
adopción de mejoras en las tecnologías de producción que impactan directamente en los niveles de
producción no solo en el corto plazo, ni de una sola vez, sino que también a largo plazo ya que inciden
de manera sostenida en el mejoramiento de la productividad a través del aprovechamiento de la
capacidad ociosa que pueda existir o de las economías de escala que posibilita el acceso a un mercado
externo amplio. Así mismo, mayores niveles de apertura comercial generan mayor competencia en las
empresas locales que se ven estimuladas o inducidas a mejorar su eficiencia y competitividad.
178
La política macroeconómica expansiva, también impacta sobre el crecimiento económico. En el modelo
propuesto el gasto público se considera una variable que impacta negativamente el crecimiento
económico en la medida que el tamaño del Estado refleja un intervencionismo económico que
desalienta la inversión privada y afecta la eficiencia económica a largo plazo. En este sentido, el modelo
especificado no considera los efectos de corto plazo del gasto público que tienen objetivos de
estabilización macroeconómica. Sin embargo, debe mencionarse que existen algunos analistas que
consideran probables efectos positivos del gasto del gobierno en el crecimiento económico a largo
plazo. En esta perspectiva se argumenta que dada la mayor exposición a la competencia externa los
gobiernos tienden a implementar medidas menos distorsionantes del sistema de precio e incentivos en
las economías lo cual suele estar relacionado con mayores y más sostenidos niveles de crecimiento de
los países.
La inclusión de la variable inflación recoge los argumentos teóricos que sostienen que las políticas
monetarias expansivas, característica de muchos países latinoamericanos, generan inflación crónica que
se constituye en un riesgo para la inversiones en el sentido que genera incertidumbre en los planes de
inversión debido a que la inflación crónica y considerable inyecta inestabilidad a los tipos de cambio y
tasas de interés que son claves para determinar la rentabilidad de los negocios a largo plazo.
Los impactos esperados a largo plazo de las variables del modelo son los siguientes:
Cuadro 2. Impacto esperado en el crecimiento económico a largo plazo
Variable
Consumo privado
Inversión (Formación bruta de
capital fijo)
Gasto del Gobierno General
Comercio intrarregional
Comercio Extrarregional
Población
total
Centroamérica y Panamá
de
Inflación (Deflactor del PIB o
Índice
de
Precios
al
Consumidor)
Nombre de
variable
CP
I
Signo
esperado
+
+
G
-
R
W
POCAP
+
+
+
DP
-
Enfoque teórico
Demanda efectiva de Keynes
Crecimiento endógeno (progreso
tecnológico)
Tamaño del Estado afecta
economía (efecto crowding out o
de estrujamiento). A corto plazo
genera un “impulso fiscal”
(demanda agregada)
Ventajas comparativas
Ventajas comparativas
Demanda efectiva tiende a
aumentar
(expansión
de
mercados)
Enfoque monetario sobre la
neutralidad del dinero a largo
plazo. Por otro lado, una inflación
alta inflación tiende a ser
inestable y genera incertidumbre
que desestimula la inversión y el
crecimiento.
C. ESPECIFICACION DEL MODELO PROPUEST O
179
C.1. DATOS UTILIZADOS Y FUENTES DE INFORMACIÓN
El modelo utiliza datos anuales por dos razones fundamentales. En primer lugar, el objetivo es
determinar el impacto del comercio intrarregional -y comparar este impactó con el del comercio
extrarregional- en el crecimiento económico, lo cual toma tiempo en producirse (a mediano y largo
plazo) de manera que los datos anuales se consideran adecuados para medir dicho impacto más que los
datos trimestrales que suelen presentar cambios de corto plazo que no tienen incidencia mayor en la
tendencia del crecimiento económico a largo plazo. En segundo lugar, los países no presentan datos
trimestrales para un periodo suficientemente largo ni para todas las variables del modelo especificado.
La información utilizada cubre el periodo 1970-2011 para todos los países excepto Nicaragua donde el
periodo de análisis fue 1970-2010. Todas las series se introducen transformadas en logaritmos naturales
lo cual permite entender el impacto de una variable sobre otra en términos de elasticidades. Es
importante señalar que los datos del comercio intrarregional y extrarregional provienen de la base de
datos de la CEPAL (BDECEL) donde se expresan en Dólares de los Estados unidos de América a precios
corrientes. Esta serie se transformó a precios constantes mediante su división entre el deflactor del PIB
obtenido de la base de datos del Banco Mundial (World Development Indicators). Sin embargo, en el
caso de Costa Rica no se realizó esta transformación porque la serie del deflactor del PIB presenta un
crecimiento exponencial muy alto cual tiende a distorsionar la serie de comercio intrarregional y
extrarregional cando se compara con datos de otras fuentes. Para soslayar cualquier problema de
estimación errónea se prefirió utilizar las series de las variables de Costa Rica, incluyendo las del
comercio intra y extrarregional, en proporciones del PIB.
La especificación de las ocho (8) variables incluidas en el modelo es la siguiente:
Producción total o producto interno bruto (Y)
Esta variable corresponde al Producto Interno Bruto (PIB) de cada país el cual se obtuvo en Dólares de
los Estados unidos de América a precios constantes y corrientes de las bases de datos del Banco Mundial
y de la Universidad de Pennsilvania de los Estados Unidos. El PIB a precios constantes utiliza el año 2005
como año base. En el caso de Costa Rica, la serie del PIB se incluyó como el producto interno bruto per
cápita a precios constantes de 2000, es decir, se utilizó la tasa de crecimiento real anual de la economía.
Dado que la tasa de crecimiento registra cifras negativas para ciertos años y el logaritmo de números
negativos no está definido, se procedió a sumar a la serie de tasas de crecimiento 10 unidades para
evitar datos negativos y poder transformar la serie en logaritmos.
Consumo privado (CP)
La variable consumo privado se expresa a precios constantes del año 2000 en Dólares de los Estados
Unidos de América. En el caso de Costa Rica esta variable se mide como la proporción del consumo con
respecto al PIB a precios corrientes.
Formación Bruta de capital fijo o inversión (I)
180
Esta serie corresponde a los datos de cuentas nacionales y se expresa en Dólares de los Estados Unidos
de América a precios constantes del año 2000. Para Costa Rica la serie utilizada se expresa como
proporción del PIB en términos corrientes en Dólares de los Estados unidos de América.
Gasto del Gobierno General (G)
Esta serie corresponde a los datos de cuentas nacionales y se expresa en Dólares de los Estados Unidos
de América a precios constantes del año 2000. Para Costa Rica la serie utilizada se expresa como
proporción del PIB en términos corrientes en Dólares de los Estados unidos de América.
Comercio intrarregional entre los seis países centroamericanos, exportaciones más importaciones (R)
Esta serie corresponde a la sumatoria de las importaciones y exportaciones de cada país hacia y desde
Centroamérica. Para el caso de Guatemala, Honduras, El Salvador, Nicaragua y Costa Rica no se incluye a
Panamá en los flujos comerciales. Los datos de Panamá corresponden a la suma de las importaciones y
exportaciones hacia y desde el resto (cinco) de países centroamericanos. Los datos están expresados en
miles de Dólares de los Estados unidos de América. Las series se transforman a precios constantes
utilizando el deflactor del PIB obtenido de la forma indicada más abajo. En el caso de Costa Rica la serie
se calcula como proporciona del PIB a precios corrientes en Dólares de los Estados Unidos de América.
Comercio extrarregional, exportaciones más importaciones (al resto del mundo) de cada país
(W)
Esta serie corresponde a la sumatoria de las importaciones y exportaciones de cada país hacia y desde el
resto del mundo (excluyendo los países de Centroamérica: Guatemala, Honduras, El Salvador, Nicaragua
y Costa Rica). Los datos de Panamá corresponden a la suma de las importaciones y exportaciones hacia
y desde el resto del mundo (excluyendo los países de Centroamérica: Guatemala, Honduras, El Salvador,
Nicaragua y Costa Rica). Los datos están expresados en miles de Dólares de los Estados unidos de
América. Las series se transforman a precios constantes utilizando el deflactor del PIB obtenido de la
forma indicada más abajo. En el caso de Costa Rica la serie se calcula como proporciona del PIB a
precios corrientes en Dólares de los Estados Unidos de América.
Población total de los seis países de Centroamérica (POCA y POCAP).
La población centroamericana (POCA) corresponde a la suma de las poblaciones de cada país incluyendo
Guatemala, El Salvador, Honduras, Nicaragua y Costa Rica. Esta serie se utiliza en los modelos de todos
los países excepto Panamá. En el caso de este último país, se utiliza la serie POCAP que incluye la
población de Panamá más la población del resto de países de la región (POCA). Las series están
expresadas en millones de personas. La diferencia del tratamiento de la variable población en el caso de
Panamá responde al hecho que el comercio con Panamá no goza de los mismos beneficios que otorga el
Tratado General de Integración Económica Centroamericana que establece el proceso de creación del
Mercado Común Centroamericano cuyo objetivo es expandir el mercado de los miembros del Tratado
General mediante la reducción arancelaria o la eliminación de aranceles. En este sentido el comercio
con Panamá es más apropiado considerarlo como “comercio con el resto del mundo”. Por el contrario,
Panamá, puede considerar el comercio con Centroamérica como “intrarregional” a falta de ser firmante
del Tratado General.
181
Deflactor del PIB (DP): es el cociente del PIB a precios corrientes entre el PIB a precios
constantes, el cual mide la variación agregada de los bienes y servicios incluidos en el PIB.
Esta variable es el resultado de la división del PIB a precios corrientes de cada país entre el PIB a precios
constantes del año 2005 en millones de Dólares de los Estados Unidos de América. El deflactor se
utilizó para convertir a precios constantes las cifras de comercio intrarregional y extrarregional las cuales
se obtuvieron a precios corrientes o nominales de la base de datos de la CEPAL (BADECEL). Los datos de
Costa Rica presentan una serie del deflactor con un crecimiento exponencial acelerado que hace que los
datos del comercio se reduzcan de manera muy significativa. De modo que para evitar posibles
distorsiones en los resultados, en el caso de Costa Rica, se optó por utilizar los datos a precios corrientes
tanto de los flujos comerciales como del resto de variables.
La información proviene de las siguientes fuentes de datos:
Banco Mundial (Y, I, G, POCAP): World Development Indicators (WDI 2012) para todos los países
excepto Panamá
http://databank.worldbank.org/data/views/variableSelection/selectvariables.aspx?source=worl
d-development-indicators
Las series de datos se proveen en formato electrónico junto con este Tercer Informe de la consultoría.
El archivo electrónico está en formato MS Excel bajo el nombre:WDI CA y Panamá 1960-2011. Este
archivo contiene diversas hojas de trabajo donde se realizan las trasformaciones y cálculos descritos
anteriormente. De este archivo se obtienen todas las series de datos correspondientes a las variables: Y,
CP, I, G, DP, POCA y POCAP tanto a precios corrientes como constantes en Dólares de los Estados Unidos
de América. De este archivo se obtiene la información para todos países excepto Panamá.
Pennsylvania State University (Y, I, G, exportaciones (X) e importaciones (M)): Penn World
Tables, PWT 7.1 para Panamá. https://pwt.sas.upenn.edu/
Las series de datos se proveen en formato electrónico junto con este Tercer Informe de la consultoría.
El archivo electrónico está en formato MS Excel bajo el nombre:PWT 7.1 PANAMA. Este archivo
contiene diversas hojas de trabajo donde se realizan las trasformaciones y cálculos descritos
anteriormente para Panamá. De este archivo se obtienen todas las series de datos correspondientes a
las variables: Y, CP, I, G y DP tanto a precios corrientes como constantes en Dólares de los Estados
Unidos de América. El año base de las series a precios constantes es el 2005. Se utilizó esta fuente de
información para Panamá porque la base de datos del Banco Mundial contiene una serie de Panamá
únicamente desde el año 1980 la cual es muy corta para el análisis econométrico implementado en la
consultoría.
CEPAL (R y W): Base de datos estadísticos de comercio exterior (BADECEL) para todos los países.
http://interwp.cepal.org/badecel/basededatos.asp
Las series de datos se proveen en formato electrónico junto con este Tercer Informe de la consultoría en
dos archivos separados.
Los archivos electrónicos estás en formato MS Excel bajo los
182
nombres:BADECEL CA y BADECEL PANAMA2. Estos archivos contienen diversas hojas de trabajo donde
se realizan los cálculos para consolidar la información en una sola serie para cada país como se describe
anteriormente. De este archivo se obtienen todas las series de datos correspondientes a las variables: R
y W en miles de Dólares de los Estados Unidos a precios corrientes. De estos archivos se obtiene la
información para todos países analizados.
D. METODOLOGÍA ECONOMÉT RICA PROPUESTA UTILI ZANDO VECM
La metodología del estudio empírico se realiza a través de la estimación de un vector de corrección de
errores (VECM) que incluye las ocho variables incluidas en el modelo teórico discutido anteriormente. El
modelo que se utiliza para los distintos países es el mismo.
D.1. METODOLOGÍA DE ESTIMACIÓN VECM
El primer paso de la metodología es determinar si las variables utilizadas son estacionarias o no. Si son
no-estacionarias (como comúnmente es el caso), la pregunta es en qué grado son estacionarias; el grado
de integración viene dado por el número de veces que una serie debe diferenciarse para ser
estacionaria. Por ejemplo, si la variable PIB no es estacionaria, se realiza una primera diferencia
(
PIBt –PIB t-1), donde el operador significa diferencia. Si con una diferencia la serie se vuelve
estacionaria entonces la serie diferenciada se dice que es integrada de primer orden I(1).
El método VECM requiere que todas series a utilizar estén integradas con el mismo orden, de lo
contrario las series no podrán estar cointegradas, es decir, no mantienen una relación de largo plazo
equilibrada (no se mueven en forma conjunta mantenido relativamente constante sus diferencias en
niveles a través del tiempo). Este análisis de integración se realiza con el test denominado Augmented
Dickey–Fuller (ADF). Si el valor del estadístico ADF calculado es menor que el valor critico entonces las
variables no requieren diferenciarse para ser estacionarias y se dice que son integradas de orden cero
I(0). Si este no es el caso, entonces se procede a realizar el test ADF con los valores de las variables en
primera diferencia. Si el test es positivo entonces la variable se dice que es estacionaria de orden uno
I(1). En algunos casos las variables no resultan I(1) y deben diferenciarse adicionalmente. Esto suele
suceder cuando las variables han sufrido un cambio estructural; el test ADF falla en rechazar la hipótesis
nula de no-estacionariedad cuando la variable muestra un “quiebre estructural en su tendencia de largo
plazo”. Por lo tanto, en estos casos se utiliza el test de Phillips-Perron (PP) que ofrece un test que toma
en cuenta los cambios estructurales a la hora de evaluar estacionariedad (también conocida como
presencia de raíces unitarias).
Una vez determinado y confirmado el grado de integración de orden uno de las variables se procede a
determinar si existe una relación de largo plazo entre las variables económicas que tenga significado
económico. El test de Johansen es utilizado para determinar si las variables están cointegradas. Este test
determina el número de relaciones o ecuaciones de cointegración entre las variables del modelo.
Llegado a este punto, una vez estimadas las ecuaciones de largo plazo, se determinará si el crecimiento
económico mantiene una relación cointegrada con el comercio intrarregional y si éste impacta
183
positivamente al primero. Por supuesto, puede ocurrir que las ecuaciones estimadas no incluyan las
variables de interés en cuyo caso se concluiría que la teoría de que el comercio intrarregional impacta
positivamente en el crecimiento económico no tiene apoyo empírico.
Los coeficientes de las
regresiones de largo plazo indicarán a través de su valor y signo, la medida y dirección en que el
comercio intrarregional impacta al crecimiento económico. La contribución del comercio extrarregional
en el crecimiento económico se determina de la misma manera, al igual que el impacto del resto de
variables incluidas en el VECM.
Las relaciones o ecuaciones de cointegración de largo plazo generan series de errores estimados para
cada ecuación. Estos errores son las diferencias entre el valor observado de la variable y el valor
estimado por la ecuación de regresión en cada periodo de la serie económica (año, trimestre o mes).
Estos errores son utilizados posteriormente en ecuaciones de corto plazo, las cuales se estiman para
conocer el signo y coeficiente de regresión de la serie “errores” de cada ecuación de integración. Estos
errores son los denominados “términos de corrección de errores”. Si las ecuaciones de cointegración
fueran dos, se tendrían dos series de términos de corrección de error: i, t-1 y así sucesivamente. El
número de ecuaciones de corto plazo se determina por el número de variables incluidas en el modelo,
que en nuestro caso es de 8 variables (se estiman 8 ecuaciones de corto plazo con todas las variables
como endógenas y exógenas al mismo tiempo, usando sus valores rezagados en primeras diferencias;
con un numero de rezagos apropiado). En este sentido nuestra estimación del VECM, contendrá 8
ecuaciones de corto plazo que incluirán tantos términos de corrección de error como número de
ecuaciones de cointegración se estimen, como se representa a continuación.
El VECM tendría la forma siguiente para cuatro variables de un modelo de crecimiento económico (y),
exportaciones (x), importaciones (m) y comercio regional o intrarregional (r). El VECM incluye las
variables endógenas en diferencias al lado izquierdo, las variables endógenas en diferencias rezagadas
con un número de rezagos a ser determinado en el proceso de estimación del VECM en el lado derecho,
así como un número determinado de variables exógenas (contemporáneas y rezagadas) que en este
caso se han omitido. Dado que el modelo se especifica con cuatro variables, se tienen cuatro
ecuaciones de corto plazo en primeras diferencias rezagadas. En este ejemplo se tienen tres términos
de corrección de errores ( donde i=1, 2,3.
Como puede apreciarse, las ecuaciones de corto plazo anteriores se construyen con las 4 variables del
modelo especificado (y, x, m, r) y con tres términos de corrección de errores que deben provenir de tres
184
ecuaciones de largo plazo o de cointegración. Los valores y signos de los coeficientes de los términos de
corrección de errores (ec, por sus siglas en inglés –error correction) interesan en nuestro análisis del
impacto del comercio en el crecimiento económico ya que nos informarán sobre si el comercio
contribuye a estabilizar las desviaciones del crecimiento respecto de su valor o trayectoria de largo
plazo. Si el signo del coeficiente es positivo, significa que el comercio se mueve en la misma dirección
que las desviaciones del crecimiento, es decir, si el crecimiento económico aumenta respecto de su valor
de equilibrio en el periodo anterior (a corto plazo), el comercio intrarregional aumenta (y viceversa, si el
crecimiento económico disminuye en el año anterior). En este sentido, la conclusión sería que el
comercio intrarregional impacta positivamente en el crecimiento económico a corto plazo y que son
otras las variables dentro del VECM que contribuyen al ajuste del “error” del crecimiento económico.
D.2. DERIVACION DE CONCLUSIONES DEL IMPACTO DEL COMERCIO INTRARREGIONAL EN
EL CRECIMIENTO ECONOMICO USANDO EL VECM
En este sentido, la metodología VECM nos permite analizar el impacto del comercio intrarregional en la
dinámica económica, específicamente en el crecimiento económico, a través de las ecuaciones de largo
plazo (ecuaciones de cointegración) y de las ecuaciones de corto plazo de corrección de errores. En el
primer caso, ecuaciones de cointegración, que es el que nos interesa, se determina el impacto esperado
del comercio intrarregional en el crecimiento económico a largo plazo. Una manera gráfica que suele
usarse para visualizar el impacto de una variable sobre otra a largo plazo es a través de los denominados
ejercicios de “impulso-respuesta”. Donde se simula el impacto del aumento de una variable (comercio
intrarregional por ejemplo) sobre el resto de variables.
A continuación se describe la metodología utilizada en la especificación del VECM para los países
centroamericanos utilizando el software Eviews 6.0.
185
PARTE II. APLICACI ÓN DE LA METODOLOGIA PARA LOS P AISES DE L A REGION PARA
MEDIR EL IMPACTO DEL COMERCIO INTRARREGIO NAL EN EL CRECIMIENT O ECONOMICO
A. METODOLOGIA DE ES TIM ACION IMPLEMENTADA
La metodología de estimación del VECM para cada país siguió una serie de pasos que incluyen una serie
de pruebas y análisis estadísticos que fueron implementados en el software Eviews 6. Los archivos de
trabajo (workfiles) se proveen en forma electrónica junto a este Tercer Informe. Para corroborar los
hallazgos respecto de las diferentes pruebas realizadas, al final del presente Informe se incluyen los
resultados de los tests implementados. Los pasos implementados se describen en esta sección.
Test ADF de raíces unitarias
Antes de realizar el análisis de las propiedades del VECM se realizaron las pruebas deestacionariedad de
las variables incluidas en los modelos (Y, CP, I, G, R, W, POCA, POCAP y DP). Para realizar estas pruebas
se aplicó el test ADF de raíces unitarias. Las hipótesis son las siguientes:
H0: La variable es-no estacionaria o tiene raíz unitaria.
H1: La variable es estacionaria o no tiene raíz unitaria.
Si el estadístico de la variable es menor que el valor critico en valores absolutos, entonces la hipótesis
nula no puede ser rechazada. Por lo tanto, la primera diferencia de la variable debe ser sometida a
prueba de raíz unitaria. Si el estadístico de la variable es mayor que el valor critico en términos
absolutos, entonces la hipótesis nula puede ser rechazada y ello indica la estacionariedad de la variable
en primera diferencia.
Prueba de cointegración de Johansen
Una vez fue comprobado que las variables son no estacionarias y del mismo orden de integración (I(1))
se procede a realizar la prueba de cointegración. Con esta prueba se determina si las variables están
cointegradas o no, lo que indica si hay una relación o más relaciones o ecuaciones de largo plazo entre
ellas. El número de ecuaciones de cointegración es necesario para estimar posteriormente el VECM. Las
hipótesis para esta prueba son:
Ho: No hay relaciones de cointegración
H1: Hay por lo menos una relación de cointegración
Estimación del VAR
Después de asegurarse que las variables son estacionarias en primeras diferencias, y que hay
cointegración entre las variables, se estima el modelo VAR con el fin de analizar el comportamiento de
los errores en términos de la ausencia de autocorrelación, normalidad de los errores estimados y
ausencia de heterocedasticidad. Con el VAR estimado también se procede a realizar una prueba sobre
186
el número de rezagos apropiado a incluir en la estimación del VECM. En un primer momento se estima
el VAR con un rezago y una vez estimado el VAR, se realiza el test de número de rezagos a incluir en el
VECM. Este dato es determinado por el criterio de información de Akaike (AIC), del criterio de
información de Schwartz y la prueba Likelihood-Ratio entre otros test que provee el software Eviews.
Estimación del VECM
Una vez se ha ejecutado el test de Cointegración de Johansen, determinado el número de rezagos
apropiados del VAR y encontrado el número de ecuaciones de cointegración que contiene la
información de las variables incluidas en el modelo especificado, se puede estimar el VECM. La relación
de largo plazo entre las variables comercio intrarregional y crecimiento económico, específicamente el
impacto del comercio intrarregional en el crecimiento, se analiza a través de examinar el valor y el
signo de los coeficientes de las ecuaciones de cointegración estimadas en el VECM. El VECM estimado
contiene tanto las ecuaciones de cointegración como las ecuaciones de corrección de errores derivados
de las relaciones de largo plazo de las variables contenidas en las ecuaciones de cointegración. Para
concluir respecto del rol del comercio intrarregional, del comercio extrarregional y demás variables del
modelo especificado, se introduce en la lista de variables dependientes del VECM a estimar, la variable
PIB en primer lugar. De esta manera se asegura que el programa Eviews estime una ecuación de largo
plazo en que la variable dependiente es el crecimiento económico en función del resto de variables del
VECM. Esta ecuación de cointegración es la ecuación de interés para nuestra investigación del impacto
del comercio intrarregional en las economías centroamericanas. El hecho que esta es una relación de
cointegración nos asegura que los hallazgos son robustos en términos de que la relación entre comercio
intrarregional y crecimiento económico estimada no es espúrea.
La validación estadística del VECM estimado se realiza mediante las pruebas de autocorrelación,
normalidad de los errores estimados.
Prueba de causalidad de Granger
Esta prueba implica chequear si los valores pasados de una variable explican o implican un cambio en los
valores presentes de otra variable. En relación a esto, un cambio en el valor pasado de una variable
permite predecir los valores presentes de otra variable. En principio, si este es el caso, es decir, que se
observa un cambio en una variable X y luego se observa un cambio en la variable Y, entonces se puede
decir que X causa a Y en el sentido de Granger. La hipótesis de la causalidad de Granger es la siguiente:
H0: Yt no causa a Xt
H1: Yt causa Xt
Test de coeficientes de Wald
El test permite aceptar o rechazar la hipótesis sobre la significancia de los coeficientes en las ecuaciones
estimadas incluyendo su signo (positivo o negativo). Se utilizara para probar los valores de los
coeficientes
Términos de corrección de errores: El signo de los coeficientes de los TCE o ECM (Error Correction
Mechanism).
187
Supongamos que tenemos la siguiente ecuación de largo plazo que vincula Y a X, donde ambas variables
son no estacionarias (ambas en términos de logaritmos):
Yt = a + bXt + et
(1)
Donde a + bXt es el valor esperado de Yt (valor estimado mediante la regresión). Dada la presencia de
cointegración, a +bXt es considerada un valor de largo plazo de Yt. El termino de errores et indica las
desviaciones observadas del valor de largo plazo de la variable Yt. Un valor positivo indica que el valor
observado (realizado) de Y se ha desviado de su valor estimado, es decir, está por encima de su valor de
largo plazo. Por otro lado, un valor negativo indica que está por debajo de su valor de largo plazo. La
presencia de cointegración o de una relación de largo plazo sugiere que cualquier desviación de Y
respecto del valor de largo plazo será corregido (de otro modo, porque habría de haber una relación de
largo plazo). En otras palabras, en el largo plazo Yt = a +bXt. Según Granger (1987), la presencia de
cointegración implica un mecanismo de corrección de errores según el cual la dinámica de Yt puede ser
modelada usando un modelo de corrección de errores (ECM) asumiendo que Xt es al menos
exógenamente débil respecto a Yt:
∆Yt = α + λet-1 + f(∆Y rezagada, ∆X rezagada) + vt
(2)
Si et es positivo en t-1 (es decir Yt está por encima de su valor de equilibrio) como se corrige Yt en el
periodo t? Resulta obvio que Yt se debe ajustar hacia abajo. El mismo argumento se aplica cuando et es
negativo (Yt está debajo de su valor de equilibrio). Con un et positivo, Yt se ajusta hacia abajo el
siguiente periodo. Con un et negativo, Yt se ajusta hacia arriba el siguiente periodo. De esta manera, es
claro que la relación entre Yt y su desviación del valor de largo plazo es negativa, es decir, el signo del
termino de error debe ser negativo). El termino de corrección de errores (λ) debe ser negativo para que
la ecuación de largo plazo Yt = a+ bXt sea restaurada.
Cuando Xt es potencialmente endógena, entonces la dinámica de Xt puede ser escrita como en un
VAR/VECM:
∆Xt = α + θet-1 + f(∆Y rezagada, ∆X rezagada) + wt
(3)
Las ecuaciones (2) y (3) conforman un vector autorregresivo de dos variables.
La presencia de cointegración requiere que al menos uno de los dos coeficientes de corrección de
errores (λ ó θ) en (2) y (3) sea significativo. Por supuesto, los dos pueden ser significativos. Esto indicará
si Yt o Xt o ambas variables soportan la carga de realizar el ajuste de manera que Yt = a +bXt.
Ahora bien, dada la relación de largo plazo (1) de donde se extrae el término de corrección de errores
(et-1) y tenemos que lambda es no significativo en (2), cuál debe ser el signo de theta? Con seguridad
theta en (3) debe ser significativo para que se restablezca la relación de largo plazo. Pero cuál debe ser
el signo esperado de theta? Con seguridad, no necesita ser negativo; theta puede y deber positivo.
Exogeneidad y causalidad de Granger
La exogeneidad débil permite realizar inferencias estadísticas válidas sobre los parámetros de interés,
que están distribuidos libre e independientemente. Mientras que la exogeneidad fuerte se define como
188
la suma de la exogeneidad débil más la presencia de la no causalidad en el sentido de Granger. Esta
condición permite realizar pronósticos de las series correspondientes basados en modelos válidos de
probabilidad condicional.
La causalidad de Granger se define considerando el caso de dos variables (Y,X), donde X no causa en el
sentido Granger a Y si la predicción que se realiza sobre el presente de Y no puede mejorarse utilizando
valores rezagados de X. En un VECM existe exogeneidad débil si el coeficiente del termino de corrección
de error de una ecuación de corto plazo del VECM no es significativo; esta situación es equivalente a la
no causalidad a largo plazo en el sentido de Granger ya que la variable no responde a las desviaciones de
las variables cointegradas respecto de sus valores de largo plazo. Por otro lado, si los coeficientes de las
variables explicativas en diferencias rezagadas en conjunto tienen coeficientes no significativos,
entonces existe exogeneidad fuerte, lo cual es equivalente a la no casualidad de corto plazo en el
sentido de Granger. A continuación se expone esto con un VECM de dos variables:
Dado un vector de dos variables y dos ecuaciones simultáneas tal como:
1. yt = β0 + Σβ1 yt-1 + Σβ2 xt-1 + e1t
2. xt = β3 + Σβ4 yt-1 + Σβ5 xt-1 + e2t
Reescribiendo como un Vector con Corrección de Errores (VECM):
3. Δyt = α11(y–δ1x)t-1 + α12 Δyt-1 + α13 Δxt-1+e1t
4. Δxt = α21(y–δ1x)t-1 + α22 Δyt-1 + α23 Δxt-1 + e2t
Donde (y – δ1x) es el término de corrección de errores (ECM, desviaciones de la variable yt respecto de
su valor de equilibrio).
Los parámetros de interés son, por ejemplo en la ecuación (3), los siguientes: δ1, α11, α12, α13.
Exogeneidad débil: Para realizar esta prueba se requiere probar la significancia de la siguiente hipótesis:
Ho: α21=0
Si se acepta Ho entonces se dice que Δxt no se ajusta a la presencia de los desequilibrios captados por el
ECM, aunque puede reaccionar a los cambios en los valores rezagados de Δyt-1(siendo que α22 es
distinto de cero estadísticamente). En este caso, se dice que la variable Xt es exógena débil respecto a
yt. Si se rechaza Ho entonces se dice xt no es exógena débil.
La presencia de exogeneidad débil es equivalente a la no causalidad de largo plazo en el sentido de
Granger ya que los valores de largo plazo de las variables involucradas en el ECM (y, x) no contribuyen a
explicar el comportamiento de Δxt .
Exogeneidad fuerte: corresponde a la prueba de no causalidad de Granger, que se prueba analizando la
significancia de la siguiente hipótesis:
Ho: α13= 0 ó Ho: α22=0
La exogeneidad fuerte indica que Δxt no es afectada por los desequilibrios entre yt y xt ni tampoco por
los cambios pasados en Δyt
189
Superexogeneidad: corresponde al análisis de la invarianza y estabilidad estructural de los parámetros
del modelo: (δ1, α11, α12, α13, α21, α22, α23). Esta prueba se realiza con los test de Chow y métodos
recursivos (Cusum y CusumQ).
Los resultados de las diferentes pruebas estadísticas realizadas se incluyen en un Adjunto para cada país
al final de este Tercer Informe. Dentro de cada Adjunto se incluye un set de 6 Anexos que presentan el
siguiente contenido:
Anexo 1: Test de raíces Unitarias y de orden integración de las variables. Se utiliza el test Dickey Fuller
Aumentado (ADF test) y el test de Phillips-Perrron (PP test) para determinar la presencia de raíces
unitarias y si las variables con raíces unitarias se vuelven estacionarias al transformarlas en primeras
diferencias. El análisis de VECM requiere que todas las variables estén cointegradas (diferenciadas) en el
mismo orden; generalmente las series se vuelven estacionarias con una diferenciación (Dy= Dt –Dt-1)
Anexo 2: Prueba de cointegración de Johansen para determinar la existencia de ecuaciones de largo
plazo. Una vez verificado que las 8 variables del modelo de comercio intrarregional y crecimiento son
estacionarios al calcularles una diferencia, se procede a realizar la prueba de cointegración de Johansen
la cual informa el número de ecuaciones de largo plazo existentes en el conjunto de variables del
modelo especificado. Esto garantiza que las relaciones de largo plazo entre el comercio intrarregional,
comercio extrarregional, el consumo privado, la inversión privada, el gasto público, el crecimiento
poblacional, la inflación y el crecimiento económico no sean espurias. Estas ecuaciones de cointegración
son estimadas posteriormente para determinar si existe una relación de largo plazo entre el crecimiento
económico y el comercio intrarregional así como con las otras variables del modelo especificado. Las
ecuaciones de cointegración estimadas se utilizan posteriormente para estimar los errores o
desviaciones de las variables cointegradas (variables dependientes de las ecuaciones de cointegración)
respecto de sus valores de equilibrio de largo plazo; estos errores simplemente se calculan como la
diferencia entre el valor estimado por la ecuación de regresión de largo plazo y el valor observado de la
variable estimada en cada periodo. Estos errores o desviaciones deben ser corregidos en alguna
proporción en los periodos subsiguientes a través de cambios de corto plazo en una o más variables del
modelo VECM. Para conocer en qué medida o velocidad se realizan los ajustes o corrección de errores
así como para identificar las variables que participan en el ajuste, es necesario estimar ecuaciones de
corto plazo para cada variable del VECM; estas ecuaciones de corto plazo de corrección de errores
incluyen todas las variables del modelo VECM en diferencias y rezagadas, más la serie de los errores
estimados previamente con las ecuaciones de largo plazo. Para nuestro estudio interesa conocer los
coeficientes de regresión de las ecuaciones de largo plazo que relacionan el comercio intrarregional, el
comercio extrarregional y el crecimiento económico así como las variables que intervienen en la
correcciones de errores de la ecuación de cointegración o de largo plazo del crecimiento económico.
Esta información se presenta en el Anexo 4.
Anexo 3: Estimación del Vector Autorregresivo no restringido (VAR) y pruebas de autocorrelación,
normalidad y homocedasticidad de los residuos, prueba del número de rezagos que deben incluirse en
la estimación del VECM. En este anexo también se incluye una gráfica que permite visualizar el
comportamiento de los errores de estimación los cuales deben ser no-correlacionados para realizar
inferencias estadísticas válidas o pruebas de hipótesis.
Anexo 4: Estimación del VECM utilizando las ocho variables incluidas en el modelo propuesto en el cual
todas las variables son endógenas y exógenas a la vez: el producto interno bruto (Y), la inversión privada
190
(I), el comercio intrarregional (RR) y el comercio extrarregional (WR). En esta estimación se utilizan los
resultados del Anexo 3 sobre el número de rezagos apropiados a incluir en la estimación así como el
número de ecuaciones de integración o relaciones de largo plazo señalado por el test de Johansen del
Anexo 2.
Anexo 5: Pruebas de validación del VECM en términos de autocorrelación y normalidad de los errores
estimados por las ecuaciones de largo y corto plazo. Este anexo incluye un gráfico referente al
comportamiento de los errores estimados.
Anexo 6: Test de causalidad en el sentido de Granger a fin de determinar cuáles son los mecanismos a
través de los cuales el comercio intrarregional incide en la dinámica de las economías. Para que exista
un mecanismo de transmisión es necesario que la casualidad sea en un solo sentido. En estos tests se
realiza la prueba de causalidad entre comercio intrarregional o extrarregional y crecimiento económico.
191
B. ANALISIS DE RESULT AD OS
Todas las 8 variables incluidas en los modelos especificados para cada país: PIB (y), consumo privado
(cp), inversión privada (i), gasto del gobierno (g), comercio intrarregional (rr), comercio extrarregional
(wr), población centroamericana (poca), población centroamericana incluyendo Panamá (pocap) e
inflación medida a través del deflactor del PIB, (dp), son series anuales y fueron transformadas en
logaritmos naturales. Dado que nuestro objetivo es cuantificar el impacto del comercio intrarregional en
el crecimiento de las economías centroamericanas a largo plazo y a identificar los mecanismos de
transmisión del comercio intrarregional en la dinámica económica más que realizar pronósticos a corto
plazo, se considera que las series anuales son adecuadas; sin embargo, debe señalarse que las bases de
datos consultadas no cuentan con series trimestrales o mensuales que provean suficiente número de
observaciones para implementar la metodología de vectores autorregresivos con corrección de errores
(VECM).
Para fines de presentación en esta sección se omite el sufijo LOG por razones de simplificación. Al
transformar en logaritmos las variables, los coeficientes de las ecuaciones de regresión estimadas
representan elasticidades. Así mismo, todas las variables excepto las variables poca, pocap y dp se
usaron en términos constantes para Guatemala, El Salvador, Honduras, Nicaragua y Panamá. Para
Costa Rica dichas variables son proporciones del PIB, excepto el crecimiento del PIB que se presenta
como la tasa de variación porcentual anual del PIB a precios constantes.
La información del comercio intrarregional y extrarregional se obtuvo de la base de datos de comercio
exterior de la CEPAL (BADECEL). La información del resto de variables fue extraída de la base de datos
World Development Indicators 2012 del Banco Mundial excepto para Panamá la cual fue extraída tanto
del Banco Mundial (WDI 2012) como de la base de datos de la Universidad de Pensilvania (Center for
International Comparisons of Production, Income and Prices), Penn World tables 7.1. Los errores
estándar se colocan en paréntesis debajo de cada coeficiente. Los p-values se colocan entre corchetes
cuando aplica (un valor menor de 5% indica que se debe rechazar la hipótesis nula planteada en la
prueba estadística, por ejemplo, en la significancia de los coeficientes de regresión).
Al final del informe se presenta en Adjuntos para cada país los Anexos que incluyen los detalles de los
diferentes tests realizados de raíces unitarias, orden de integración de variables, cointegración de
variables, prueba de autocorrelación, test de normalidad, test de homocedasticidad, número de
rezagos, comportamiento de los residuos estimados y número de ecuaciones de cointegración o de
largo plazo.
B.1. GUATEMALA
192
Las 8 variables que contribuyen a la especificación del modelo de comercio intrarregional y crecimiento
económico resultaron con raíces unitarias e integradas de orden uno I(1) de acuerdo al test Dickey-Fuller
Aumentado (y de Phillips-Perron para el caso de la variable comercio intrarregional). Todas estas
pruebas se presentan en el Anexo 1 del adjunto de Guatemala al final de este Informe. De esta manera
se procedió a realizar la prueba de cointegración usando el test de Johansen, el cual sugirió la existencia
de cuatro ecuaciones de cointegración o relaciones de largo plazo entre las variables (ver Anexo 2 en
adjunto para Guatemala). Para la estimación del VECM se procedió primero a estimar el VAR no
restringido (es decir sin ecuaciones de cointegración y restricciones en las variables y coeficientes) y
comprobar ausencia de autocorrelación, anormalidad y heterocedasticidad en los errores así como a
determinar el número apropiado de rezagos para evitar autocorrelación en el VECM; el número de
rezagos sugerido por las pruebas de criterios de información de Akaike y Schwartz (entre otros) fue de 3
rezagos; los detalles de los tests relacionados se presenta en Anexo 3 para Guatemala. Sin embargo, el
número de observaciones no fue suficiente para estimar el VECM con 3 rezagos y se usaron solo dos
rezagos como se presenta en Anexo 4. El VECM se estimó con intercepto pero sin tendencia, con 4
ecuaciones de cointegración y 2 rezagos mediante el método de mínimos cuadrados ordinarios. Al
realizar el test de autocorrelación se encontró que el VECM presenta errores no auto-correlacionados.
Las pruebas de autocorrelación y normalidad de los errores fueron superadas y se presentan en el
Anexo 5.
En el Anexo 4 se presenta el detalle de la estimación del VECM que incluye, en primer lugar, las 4
ecuaciones de cointegración o de largo (en cuatro columnas) y, en segundo lugar, las 8 ecuaciones de
corto plazo que incluyen el mecanismo de corrección de errores de los desequilibrios de largo plazo que
presentan las 4 ecuaciones de cointegración del producto, consumo privado, inversión privada y gasto
público (Ec.y, Ec.cp, Ec.i, Ec.g respectivamente). Cada una de las 8 ecuaciones de corto plazo del VECM
contiene cuatro términos de corrección de errores, uno por cada ecuación de largo plazo cointegrada.
Los coeficientes de estos términos de corrección de errores (Ec.y, Ec.cp, Ec.i, Ec.g) representan las
velocidades del ajuste de las desviaciones de las variables cointegradas (y, cp, i, g) a sus valores de largo
plazo. Las 8 ecuaciones de corto plazo estimadas corresponden a cada una de las 8 variables incluidas en
la especificación del modelo VECM.
El Anexo 4 contiene los resultados de la estimación del VECM. En el primer grupo de resultados de este
anexo se presentan, en un primer bloque, en columnas, las cuatro ecuaciones de cointegración
(cointegrating eq). La ecuación correspondiente a la ecuación de crecimiento económico LY(-1) es la
siguiente (notar que en el anexo se incluyen los errores estándar y los valores del estadístico t, entre
paréntesis y corchetes respectivamente):
LY(-1) + 0.06 LRR(-1) - 0.25LWR(-1) – 0.79 LPOCA(-1) - 0.20LDP(-1) + 5.52
La expresión anterior esta en formato de “error estimado” la cual se obtiene de la ecuación de
cointegración en formato tradicional como se muestra a continuación:
LY(-1) = -0.06 LRR(-1) + 0.25LWR(-1) + 0.79 LPOCA(-1) + 0.20LDP(-1) - 5.52
Dado que esta es una relación de equilibrio a largo plazo entre las variables de la ecuación (y, rr, wr,
poca y dp), la estimación de “y” mediante esta ecuación es un valor de equilibrio a largo plazo (Ye). Este
valor luego es comparado con el valor observado de “y” lo que produce una diferencia (residuos de la
ecuación de regresión) que es la desviación de la variable “y” respecto del equilibro (desviación = y – Ye).
193
Estas diferencias o residuos para cada observación del periodo en estudio generan una serie de datos de
“desvíos de la variable respecto al largo plazo” o “errores” de estimación que se utiliza como variable
explicativa (del lado derecho) en las ecuaciones de corto plazo, junto con valores rezagados del resto de
variables explicativas de las ecuaciones del vector autorregresivo “con corrección de errores”. Estos
errores o residuos, se obtienen para cada ecuación de largo plazo (cuatro en este caso) y se incluyen
como variable explicativa en las ocho ecuaciones de corto plazo presentadas debajo del bloque de
ecuaciones de cointegración (CointEq). Dado que son cuatro ecuaciones de cointegración, las
ecuaciones de corto plazo incluyen cuatro series de errores correspondientes al número de ecuaciones
de cointegración, las cuales se identifican en el Anexo 4 como CointEq1 hasta CointEq4. Los coeficientes
estimados para las 4 series de errores miden la velocidad con que se corrige la desviación de una
variable respecto de su trayectoria de largo plazo. Por ejemplo, si el coeficiente de la ecuación anterior
es negativo e igual 0.5 y pertenece a la ecuación de cointegración cuya variable dependiente es el
crecimiento económico, significa que una desviación de 1% del crecimiento económico respecto de su
nivel de largo plazo se corregirá en dos periodos (en este caso dos años, dado que las series son
anuales). Esta corrección se generará a través de la variable dependiente de la ecuación de corto plazo
que es explicada por la serie de errores de la ecuación anterior. La información que incluye tanto el
coeficiente de regresión estimado como la serie de los errores estimados se conoce como termino de
corrección de error a corto plazo.
En el primer grupo de resultados del Anexo 4 del adjunto sobre Guatemala (incluido al final del presente
Informe) se presentan en un segundo bloque, en columnas, las 8 ecuaciones de corto plazo con los
coeficientes estimados para los términos de corrección de errores (CointEq1, etc.) así como para el resto
de variables rezagadas del modelo. Las ocho ecuaciones de corto plazo, toman la siguiente forma con los
valores en primeras diferencias y rezagadas (dos periodos) de las variables (donde C(21)) es la constante
de la regresión):
DLY = (C1)ec1 + C(2)c2 + C(3)ec3 + C(4)ec4 + C(5)DLY(-1) + C(6)DLY(-2) + C(7)DLCP(-1) + C(8)DLCP(-2) + C(9)DLI(-1) +
C(10)DLI(-1) + C(11)DLG(-1) + C(12)DLG(-2) + C(13)DLRR(-1) + C(14)DLRR(-2) + C(15)DLWR(-1) + C(16)DLWR(-2) +
C(17)DLPOCA(-1) + C(18)DLPCOA(-2) + C(19)DLDP(-1) + C(20)DLDP(-2) + C(21)
Los coeficientes de cada variable explicativa (los C(i)) indican el impacto cuantitativo de cada variable
explicativa en los cambios actuales de la variable dependiente (en este caso DLY) a corto plazo. En el
caso de los coeficientes de los términos de error (ec1, ec2, ec3 y ec4) sus coeficientes indican, como ya
se mencionó, la velocidad del ajuste de las desviaciones de cada variable cointegrada (en este caso las
desviaciones respecto del equilibrio de largo plazo de Y, CP, I y G respectivamente). Los términos ec1,
ec2, ec3 y ec4 son los denominados términos de corrección de errores. Estos errores se corrigen a través
del tiempo hasta que la variable “y” encuentre el equilibrio.
En el segundo grupo de resultados del Anexo 4 se presentan, en primer lugar, los estadísticos
(estadístico t y p-value) que permiten determinar la significancia de los 21 coeficientes de cada una de
las 8 ecuaciones de corto plazo (en total son 168 coeficientes). Este grupo de resultados contiene el
valor del coeficiente de regresión, el error estándar, el estadístico t y el p-value de cada coeficiente de
las 8 ecuaciones de corto plazo. La regla es que un t estadístico mayor que 2.0 y/o un p-value igual o
menor que 0.05, permite rechazar la hipótesis nula de que el valor del coeficiente es cero, y por lo tanto
permite aceptar la hipótesis alternativa de que el coeficiente es significativo. Al final de este segundo
grupo de resultados se incluyen las 8 ecuaciones de corto plazo que identifican los coeficientes en orden
secuencial del C(1) al C(168). Estos resultados permiten eliminar, basados en el estadístico t y/o el p194
value, los coeficientes que no son significativos y de esta manera arribar a las ecuaciones de corto plazo
estimadas por la técnica VECM.
Como se desprende de la descripción anterior sobre el abundante contenido que arroja la estimación de
un VECM en términos de coeficientes de las ecuaciones de corto plazo, el análisis de los VECM se
concentra en los términos de corrección de errores de las ecuaciones de corto plazo. En particular el
análisis se enfoca en el signo y la magnitud del coeficiente del término de corrección de errores, después
de haber comprobado que es estadísticamente distinto de cero usando los estadísticos t y/o el valor de
probabilidad (p-value). Si el signo es negativo, ello indica que la variable dependiente de la ecuación de
corto plazo (de corrección de errores) se reduce para ajustar la desviación ocurrida en una variable
respecto de su valor de largo plazo determinado por la ecuación de cointegración (en el caso que el
valor observado en una variable este por encima de su valor de largo plazo). Si el signo es positivo,
entonces se concluye que la ecuación de corto plazo de corrección de errores no contribuye al ajuste de
dicha desviación y el peso de la corrección del error recae en otras variables del sistema de ecuaciones
de corto plazo.
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
El Anexo 4 correspondiente a Guatemala presenta las ecuaciones de largo plazo y las de corto plazo de
corrección de errores del VECM estimado. Los estadísticos t y p-value permiten identificar las variables
que resultaron significativas en las ecuaciones de largo plazo y corto plazo (de corrección de errores).
Las relaciones de largo plazo estimadas contienen las variables endógenas: producto, consumo privado,
inversión y gasto público y se presentan a continuación. En este orden se introdujeron las variables en
el programa Eviews para estimar el VECM lo que permitirá obtener cuatro ecuaciones de cointegración
del producto, consumo privado, inversión privada y gasto público, lo cual responde al propósito de
estimar el impacto del comercio intrarregional en esas variables a largo plazo; y si el consumo privado, la
inversión privada y el gasto público son canales de transmisión del comercio intrarregional. Esto último
se analiza más adelante con las pruebas de causalidad de Granger y de exogeneidad débil y fuerte entre
comercio intrarregional y crecimiento económico.
Ecuaciones de cointegración Guatemala (largo plazo), errores estándar entre paréntesis:
(1) y
=
-5.52
- 0.06rr + 0.25wr
(0.033)
(0.036)
+
0.79poca
(0.246)
+ 0.20dp
(0.043)
(2) cp
=
-14.68 + 0.19rr + 0.04wr +
(0.011)
(0.012)
1.34poca
(0.081)
+ 0.13dp
(0.014)
(3) i
=
-88.6
5.24poca
(0.332)
+ 1.37dp
(0.059)
(4) g
=
-12.06
+ 0.83wr
(0.049)
+
-1.80rr + 1.19wr
(0.258)
(0.280)
195
La ecuación (1) muestra que el crecimiento económico guatemalteco es influenciado negativamente por
el comercio intrarregional con una elasticidad de 0.06 y positivamente por el comercio extrarregional
con una elasticidad de 0.25. La conclusión es clara: el comercio intrarregional no impacta positivamente
el crecimiento económico a largo plazo mientras que el comercio extrarregional si lo hace. ¿Cómo es
posible este resultado? Aparentemente, el flujo de importaciones en Guatemala se concentra en bienes
de consumo final regional los cuales no aportan al crecimiento económico directamente como lo hacen
las importaciones de bienes intermedios y de capital que tienden a predominar en los flujos del
comercio extrarregional. En este sentido, en Guatemala, en el periodo analizado el comercio
intrarregional no encuentra evidencia empírica de que favorezca el crecimiento económico. El comercio
intrarregional sin embargo, genera un impacto positivo en el consumo privado, su elasticidad es de 0.19
indicando que un aumento de 1% del comercio intrarregional genera un aumento de 0.19% en el
consumo. Aparentemente, existe un canal de consumo privado a través del cual el comercio
intrarregional podría impactar positivamente en el crecimiento. Por otro lado, el comercio intrarregional
no fue significativo en la ecuación de inversión privada de largo plazo de manera que no parece existir el
mecanismo de inversión o tecnológico a través del cual el comercio regional favorezca el crecimiento
económico a largo plazo (ecuación 3).
Por otro lado, la evidencia encontrada indica que el comercio extrarregional impacta el crecimiento a
través del canal del consumo y de la inversión, lo que apoya empíricamente la presencia del mecanismo
de transmisión tecnológico de la teoría de crecimiento endógeno. La ecuación (3) refleja que el
comercio extrarregional podría tener en Guatemala un papel importante en el crecimiento a través del
canal de la inversión, observándose una elasticidad de 0.83.
Sin embargo, debe notarse que la variable que mide el impacto del tamaño de la población del área
centroamericana (poca) refleja una elasticidad positiva de importante dimensión en su efecto sobre el
crecimiento económico, sobre el consumo privado y la inversión privada; las elasticidades son 0.79, 1.34
y 5.24 respectivamente. Este resultado evidencia que la política de integración económica
centroamericana ha tenido un efecto dinamizador en Guatemala.
En este sentido, el factor que explica el impacto negativo del comercio intrarregional en el crecimiento
económico de Guatemala, podría ser la composición de las importaciones las cuales probablemente son
más concentradas en bienes de consumo que en bienes intermedios y de capital. Pero este impacto es
más que compensado por el efecto positivo que genera la expansión del mercado a través de la
integración económica de los países de la región.
Finalmente debe anotarse que el canal de transmisión fiscal no parece operar en la economía
guatemalteca ya que el impacto conjunto del comercio intrarregional y extrarregional tiende a disminuir
el gasto público según la ecuación (4) anterior, las elasticidades son -1.8 y 1.19 respectivamente (con un
saldo negativo de -0.61). Este hallazgo revela una desvinculación de la política fiscal respecto de la
promoción del comercio internacional a largo plazo. La relación de largo plazo entre gasto fiscal y
comercio intrarregional parece confirmar la afirmación que el tamaño del Estado medido por el gasto
publico genera distorsiones en el sistema de precios e incentivos a la producción que terminan
afectando los volúmenes de comercio y por consiguiente la dinámica económica.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
196
La técnica VECM utiliza variables que mantienen relaciones de endogeneidad. Por esta razón, los VAR y
VECM consideran todas las variables como endógenas y exógenas a la vez; dada esta flexibilidad y la
mencionada endogeneidad de las variables no se acostumbra analizar los coeficientes de regresión, sus
significancias estadísticas, ni los R2 ajustados. Lo usual es examinar si el modelo corrige los
desequilibrios de corto plazo que se presentan y la velocidad o eficiencia con que se lleva a cabo el
ajuste de los desequilibrios en una variable en el sistema de ecuaciones simultáneas.
A continuación se presentan las 8 ecuaciones de corto plazo estimadas en el VECM las cuales incluyen
los términos de corrección de errores derivados de las cuatro ecuaciones de cointegración. El detalle de
las ecuaciones estimadas se encuentra en el Anexo 4 del adjunto de Guatemala al final del Informe y los
test de autocorrelación y normalidad se presentan en el Anexo 5 donde se reporta que el VECM superó
estas pruebas.
En base a estadístico t presentado entre corchetes para cada coeficiente de regresión se determinó la
significancia de los términos de corrección de errores. Para la ecuación de cointegración del producto
(Ec.y) se observa que dicho término no fue significativo en la ecuación de corto plazo del producto (DLY).
Aparentemente, en el periodo analizado (1970-2011) las desviaciones del producto respecto del valor de
largo plazo no fueron importantes por lo que no son capturadas en dicha ecuación de corrección de
errores. Otra explicación podría ser que las desviaciones ocurridas fueron movimientos de largo plazo
en el producto (choque permanente en el producto); si este es el caso, el ajuste se realiza en otras
variables económicas con ajustes de largo plazo que aumentan el valor de equilibrio de otras variables
relacionadas con el crecimiento económico a largo plazo (aumenta el consumo privado, la inversión y el
gasto público) y de esa manera se reducen las desviaciones (“errores”) en la ecuación de cointegración
del producto. Por ejemplo, aumenta el comercio intrarregional que es una variable que mantiene una
relación estable con el crecimiento a largo plazo. Por otro lado, el VECM estimado muestra que existen
otros mecanismos de corrección de errores que resultaron significativos y con signo negativo. La
ecuación de corto plazo de la inversión incluye dos TCE negativos, la ecuación de corto plazo del
comercio extrarregional, la de la población centroamericana (aunque el coeficiente es prácticamente
nulo) y la del nivel de precios incluyen un mecanismo de corrección de errores significativo con signo
negativo; en total son cinco coeficientes con signo negativo cuya robustez se comprobó mediante el test
de Wald (ver Anexo 7 del Adjunto de Guatemala). Según esta prueba, se confirma la significancia de los
cinco coeficientes con signo negativo.
Ecuaciones de corto plazo con estadístico t entre corchetes (VECM):
Corrección
de Errores:
Ec.y
Ec.cp
Ec.i
Ec.g
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
0.449250
1.241743
6.748505
1.514305
0.867700
9.731973
-0.014743
2.254028
[ 0.53684]
[ 1.63806]
[ 2.07287]
[ 0.85182]
[ 0.14458]
[ 2.49458]
[-3.16161]
[ 1.02609]
0.151468
-0.558447
-1.442669
0.052402
14.79134
-2.009487
0.012414
-5.240361
[ 0.20661]
[-0.84091]
[-0.50583]
[ 0.03365]
[ 2.81329]
[-0.58797]
[ 3.03896]
[-2.72309]
0.039498
-0.041445
-1.396054
-0.387312
0.174458
0.310543
-0.000605
-0.346965
[ 0.32278]
[-0.37389]
[-2.93251]
[-1.48994]
[ 0.19879]
[ 0.54437]
[-0.88659]
[-1.08016]
-0.070080
-0.139177
-0.733700
-0.118779
-0.087023
-0.960419
0.001890
-0.324172
[-0.79888]
[-1.75144]
[-2.14988]
[-0.63739]
[-0.13833]
[-2.34849]
[ 3.86580]
[-1.40778]
197
La ecuación de corto plazo del producto (DLY) no presentó ningún efecto significativo de corrección de
errores, incluso la estimación indica la ausencia de otros efectos de corrección de corto plazo (ver Anexo
4 en adjunto). Esto significa que la variable producto es exógena débil y exógena fuerte respecto de
todas las variables del VECM sugiriendo esto que el impacto del comercio intrarregional y del comercio
extrarregional a largo plazo tiene una causalidad desde el crecimiento hacia el comercio y no a la
inversa. La ecuación de corto plazo del comercio intrarregional (DLRR) indica que esta variable aumenta
con aumentos del consumo privado, del gasto público y del comercio internacional y disminuye con
aumentos en el crecimiento económico (ver Anexo 4). Con esto, el comercio intrarregional contribuye a
corregir las desviaciones del producto ya que a largo plazo su relación con el crecimiento económico es
negativa como se desprende de la ecuación de cointegración (1). Por su parte, el comercio
extrarregional se reduce cuando aumenta a corto plazo el producto de manera que contribuya a corregir
las desviaciones a corto plazo.
Análisis de causalidad de Granger y exogeneidad
Para corroborar las relaciones de impacto entre las variables estacionarias de comercio internacional,
comercio extrarregional y crecimiento económico (en primeras diferencias) se condujo el test de
causalidad de Granger utilizando 3 rezagos. Los resultados indican que al 45% de probabilidad el
crecimiento intrarregional en primeras diferencias (DLRR) no precede al crecimiento económico sino al
contrario, la causalidad es del crecimiento económico (DLY) al comercio intrarregional.
La prueba de Granger también apoya la afirmación que el comercio extrarregional en primeras
diferencias (DLWR) no precede al crecimiento económico sino que la relación de precedencia es a la
inversa: el crecimiento causa al comercio extrarregional.
Los resultados también indican que entre el comercio intra y extra regional no existe relación de
causalidad en el sentido de Granger.
Pairwise Granger Causality Tests
Date: 12/20/13 Time: 03:58
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
0.88701
5.25884
0.4587
0.0047
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
1.21190
4.48503
0.3218
0.0100
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
38
1.29106
0.65939
0.2949
0.5833
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
198
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Los resultados indican que el crecimiento es exógeno respecto tanto del comercio intrarregional como
del extrarregional (la ecuación de largo plazo indica que el crecimiento está determinado tanto por el
comercio intra como extrarregional), mientras que el comercio intrarregional no es exógeno fuerte
respecto del crecimiento y el comercio extrarregional no es exógeno débil ni fuerte respecto del
crecimiento. Esto indica que la relación de casualidad es desde el crecimiento económico hacia el
comercio y no a la inversa. Este resultado apoya el argumento de Bhagwati (1988) según el cual, los
países que han implementado inicialmente estrategias de crecimiento hacia adentro (proteccionismo)
generan una dinámica de crecimiento económico independiente del comercio internacional y tienden a
generar las condiciones de crecimiento basado en el mercado interno que posteriormente sirve de base
para abrirse al comercio internacional (crecimiento hacia afuera). Aparentemente, los países
centroamericanos han tenido una secuencia de estrategias de desarrollo que los ha llevado a transitar
desde el crecimiento hacia adentro (inicios de la integración económica regional 1960-1990) hasta el
crecimiento hacia afuera (1990 en adelante) lo que podría explicar la relación de causalidad encontrada.
Exogeneidad y causalidad Granger entre crecimiento económico y
comercio intra y extrarregional. Guatemala
Error Correction:
D(LY)
D(LRR)
D(LWR)
Ec.y
0.449250
0.867700
9.731973
[ 0.53684]
[ 0.14458]
[ 2.49458]
D(LY(-1))
D(LY(-2))
-7.84858
-9.30281
[-1.65117]
[-3.01077]
-15.8431
[-3.11978]
D(LRR(-1))
-11.0388
*
[-3.34401]
0.078148
[ 1.58134]
D(LRR(-2))
0.021910
[ 0.82886]
D(LWR(-1))
0.060088
[ 0.85046]
D(LWR(-2))
0.085008
[ 1.48869]
Exogeneidad débil
Si
Si
No
Exogeneidad fuerte
Si
No
No
Causalidad de largo plazo
Causalidad de corto plazo
No
No
No
Si
Si
Si
(*) significativo al 1% o 5%.
199
Análisis del VECM con restricciones de largo y corto plazo
Con el fin de intentar mejorar las características estadísticas del VECM estimado, el cual no incluyó
en la estimación inicial ningún tipo de restricción en los coeficientes de las ecuaciones de largo
plazo ni de los coeficientes de las ecuaciones de corto plazo. Para ello se procedió a imponer
restricciones a los coeficientes de las ecuaciones de cointegración siguiendo la nomenclatura B(r,k)
donde r es la ecuación de cointegración r-ésima y k representa las variables endógenas del vector
autorregresivo en niveles.
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
D(LG) ecuación
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,4)=0,B(2,1)=0, B(2,2)=1, B(2,3)=0, B(2,4)=0, b(3,1)=0, B(3,2)=0,
B(3,3)=1, B(3,4)=0, B(3,5)=0, B(4,1)=0, B(4,2)=0, B(4,3)=0, B(4,4)=1, B(4,7)=0, B(4,8)=0
Ecuaciones de corto plazo:
A(1,1)=0, A(1,2)=0, A(1,3)=0, A(1,4)=0,
A(2,1)=0, A(2,2)=0, A(2,3)=0, A(2,4)=0,
A(3,2)=0,
A(4,1)=0, A(4,2)=0, A(4,3)=0, A(4,4)=0,
A(5,1)=0, A(5,3)=0, A(5,4)=0,
A(6,2)=0, A(6,3)=0,
A(7,3)=0,
A(8,1)=0, A(8,3)=0, A(8,4)=0
200
Las raíces inversas del polinomio característico muestran que el VECM estimado con restricciones
se volvió inestable, por lo que la estimación del VECM sin restricciones brinda un mejor ajuste del
VECM. Por otro lado, el VECM con restricciones mostro autocorrelación y los residuos no resultaron
normales.
1. VECM sin restricciones
2. VECM con restricciones
Inverse Roots of AR Characteristic Polynomial
Inverse Roots of AR Characteristic Polynomial
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
B.2. EL SALVADOR
Al igual que en el caso de Guatemala se procedió a estimar el VECM realizando las pruebas estadísticas
de raíces unitarias, grado de integración de las variables, cointegración, pruebas de autocorrelación,
normalidad, homocedasticidad, etc. Las 8 variables resultaron con raíces unitarias e integradas de orden
uno I(1) de acuerdo al test Dickey-Fuller Aumentado. Todas estas pruebas se presentan en el Anexo 1
del Adjunto de El salvador al final de este Informe. De esta manera se procedió a realizar la prueba de
cointegración usando el test de Johansen, el cual sugirió la existencia de siete ecuaciones de
cointegración o relaciones de largo plazo entre las variables (ver Anexo 2 en adjunto para El salvador).
Sin embargo, al tratar de estimar el VECM se encontró que no era posible realizar dicha estimación con
4, 5, 6 y 7 ecuaciones de cointegración debido a la insuficiencia de información. Por otro lado, dado que
en El salvador se registró un conflicto armado que afectó notablemente el crecimiento económico en los
años ochenta del siglo pasado, se utilizó una variable dummy para esos años, sin embargo, la variable
dummy no mejoró sustancialmente los resultados, por lo que se optó por la parsimonia, utilizando
únicamente 3 ecuaciones de cointegración y sin variable dummy (para 1981-1990).
Para la estimación del VECM se procedió primero a estimar el VAR no restringido (es decir sin
ecuaciones de cointegración y restricciones en las variables y coeficientes) y comprobar ausencia de
autocorrelación, anormalidad y heterocedasticidad en los errores así como a determinar el número
apropiado de rezagos para evitar autocorrelación en el VECM; el número sugerido por las pruebas de
criterios de información de Akaike y Schwartz (entre otros) fue de 3 rezagos. Sin embargo, el número de
observaciones no fue suficiente para estimar el VECM con 3 rezagos y se usaron solo dos rezagos como
201
se presenta en Anexo 4 para El Salvador; se considera que el uso de 2 rezagos no afecta la calidad de las
estimaciones del VECM ya que el test de Portmanteau con dos rezagos a un nivel del 5% no encontró
indicios de autocorrelación. Las pruebas de autocorrelación y normalidad de los errores del VECM se
presentan en el Anexo 5 de El Salvador. El VECM se estimó con intercepto pero sin tendencia, con 3
ecuaciones de cointegración y 2 rezagos mediante el método de mínimos cuadrados ordinarios.
En el Anexo 4 se presenta el detalle de la estimación del VECM que incluye las 3 ecuaciones de
cointegración o de largo y las 8 ecuaciones de corto plazo que incluyen los mecanismos de corrección de
errores aportados por las tres ecuaciones de cointegración estimadas para el VECM. Este mecanismo de
corrección de errores representa la velocidad del ajuste al nuevo equilibrio de las variables
dependientes de las 3 ecuaciones de cointegración: el producto o crecimiento, el consumo privado y la
inversión privada (ver ecuaciones de cointegración abajo). Las ecuaciones de corto plazo estimadas son
8, las cuales corresponden a cada una de las variables incluidas en la especificación del modelo VECM.
El Anexo 4 correspondiente al Adjunto sobre El Salvador presenta las ecuaciones de largo plazo y las de
corto plazo de corrección de errores junto con los estadísticos t y p-value que permiten identificar las
variables que resultaron significativas y que por lo tanto juegan un rol importante en la explicación de
las variables del VECM: 3 ecuaciones de largo plazo y 8 ecuaciones de corto plazo. Las relaciones de
largo plazo contienen las variables endógenas: producto, consumo privado, inversión y gasto público.
El Anexo 4 presenta los resultados de la estimación del VECM. En el primer grupo de resultados de este
anexo se presentan en un primer bloque, en columnas, las tres ecuaciones de cointegración donde la
ecuación que nos interesa para el análisis es la primera, es decir, la ecuación de largo plazo donde el
crecimiento económico (y) se explica por las variables comercio intrarregional (rr) y extrarregional (wr)
así como por el gasto público (g). Las otras dos ecuaciones de cointegración son las que estiman las
variables consumo privado (cp) e inversión privada (i). Las tres ecuaciones de cointegración, como se
desprenden del Anexo 4, son las siguientes (los estadísticos t se muestran entre paréntesis debajo de
cada coeficiente estimado):
Ecuaciones de cointegración El Salvador (largo plazo), estadísticos t entre paréntesis:
(1) y
=
11.3
- 0.11g + 0.16rr
(1.86)
(5.56)
+
(2) cp
=
32.2
- 0.94g + 0.11rr + 0.29wr - 1.23poca + 0.54dp
(12.75)
(2.83)
(5.65)
(4.48)
(6.36)
(3) i
=
10.1
+ 0.28g +0.36rr
(1.82)
(4.43)
+
0.32wr
(8.17)
0.45wr
(4.10)
+
0.49dp
(2.70)
La técnica del VECM utiliza las ecuaciones anteriores para estimar los errores o desviaciones entre el
valor observado de cada variable explicada (y, cp e i) respecto de su valor de largo plazo que se estima a
través de la ecuación de cointegración. Estos errores luego forman parte de las ecuaciones de corto
plazo en diferencias de las ocho variables del modelo VECM (y, cp ,i ,g ,rr ,wr, poca y dp). El coeficiente
de regresión de la serie de errores estimados de cada ecuación de cointegración informa la velocidad del
202
ajuste de dichos errores o desviaciones mediante cambios de corto plazo en las variables dependientes
de cada ecuación de corto plazo hasta que se logra restablecer el equilibro o anular la desviación de la
variable respectiva en relación a su valor de largo plazo.
Dado que son tres ecuaciones de cointegración, las ecuaciones de corto plazo incluyen tres series de
errores correspondientes al número de ecuaciones de cointegración las cuales se identifican en el Anexo
4 como CointEq1 hasta CointEq3. En el primer grupo de resultados del Anexo 4 del Adjunto sobre El
Salvador, se presentan en un segundo bloque, en columnas, las 8 ecuaciones de corto plazo con los
coeficientes estimados para los términos de corrección de errores (CointEq1, etc.) así como para el resto
de variables del modelo. Las ocho ecuaciones de corto plazo, toman la siguiente forma:
DLY = (C1)ec1 + C(2)c2 + C(3)ec3 + C(4)DLY(-1) + C(5)DLY(-2) + C(6)DLCP(-1) + C(7)DLCP(-2) + C(8)DLI(-1) + C(9)DLI(-1)
+ C(10)DLG(-1) + C(11)DLG(-2) + C(12)DLRR(-1) + C(13)DLRR(-2) + C(14)DLWR(-1) + C(15)DLWR(-2) + C(16)DLPOCA(-1) +
C(17)DLPCOA(-2) + C(18)DLDP(-1) + C(19)DLDP(-2) + C(20)
Los coeficientes de cada variable explicativa (los C(i)) indican el impacto cuantitativo de cada variable
explicativa en los cambios actuales de la variable dependiente (en este caso DLY) y si el impacto de la
variable exógena (del lado derecho de la ecuación) es positivo o negativo. En el caso de los coeficientes
de los términos de error (ec1, ec2, y ec3) sus coeficientes indican la velocidad del ajuste de las
desviaciones de cada variable cointegrada (las desviaciones respecto del equilibrio de largo plazo de Y,
CP, e I respectivamente). Los términos ec1, ec2, y ec3 son los denominados términos de corrección de
errores. Estos errores se corrigen a través del tiempo hasta que la variable “y” encuentre el equilibrio.
En el segundo grupo de resultados del Anexo 4 se presentan en primer término los estadísticos que
permiten determinar la significancia de los 20 coeficientes de cada una de las 8 ecuaciones de corto
plazo (en total son 160 coeficientes). Este grupo de resultados contiene el valor del coeficiente de
regresión, el error estándar, el estadístico t y el p-value de cada coeficiente de las 8 ecuaciones de corto
plazo. La regla es que un t estadístico mayor que 2.0 y/o un p-value igual o menor que 0.05, permite
rechazar la hipótesis nula de que el valor del coeficiente es cero, y por lo tanto permite aceptar la
hipótesis alternativa de que el coeficiente es significativo con más de 90% de confianza. Al final de este
segundo grupo de resultados se incluyen las 8 ecuaciones de corto plazo que identifican los coeficientes
en orden secuencial del C(1) al C(160). Estos resultados permiten eliminar, basados en el estadístico t
y/o el p-value, los coeficientes que no son significativos, aunque este análisis no suele hacerse dada la
gran cantidad de coeficientes estimados y relaciones simultáneas complejas que ocurren entre las
variables a corto plazo. Lo que se suele analizar son los coeficientes de la velocidad del ajuste de los
términos de corrección de error. Por ejemplo, si el término de corrección de error de la ecuación de
largo plazo que determina el crecimiento económico (Ecuación (1) más abajo) resulta significativa y con
el signo apropiado, ello significa que la variable dependiente de la ecuación de corto plazo contribuye a
restablecer el equilibrio de la variable que sufrió la desviación respecto del largo plazo.
Las relaciones de largo plazo estimadas contienen las variables endógenas: producto, consumo privado,
inversión y gasto público (ver ecuaciones más arriba) las cuales se analizan a continuación. En este
orden se introdujeron las variables en el programa Eviews para estimar el VECM lo que permitirá
obtener cuatro ecuaciones de cointegración del producto, consumo privado, inversión privada y gasto
público, lo cual responde al propósito de estimar el impacto del comercio intrarregional en esas
variables a largo plazo; y si el consumo privado, la inversión privada y el gasto público son canales de
203
transmisión del comercio intrarregional. Esto último se analiza más adelante con las pruebas de
causalidad de Granger y de exogeneidad débil y fuerte
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
La ecuación (1) de largo plazo muestra que el crecimiento económico salvadoreño es impulsado tanto
por el comercio intrarregional y extrarregional con elasticidades de 0.16 y 0.32 respectivamente. La
magnitud de las elasticidades indica que el comercio intrarregional tiene un impacto positivo directo en
la dinámica económica de largo plazo de la economía salvadoreña pero que su impacto es menor que el
impacto del comercio extrarregional en el crecimiento. Adicionalmente, tanto el comercio intrarregional
como el extrarregional tienden a aumentar el crecimiento de largo plazo a través del canal del consumo
privado como se desprende de la ecuación (2). Las elasticidades de estas variables de comercio indican
que el comercio extrarregional impacta más al consumo que el comercio intrarregional. Este resultado
apoyaría la teoría de que un mayor comercio, ya sea intrarregional o extrarregional, genera ingresos
adicionales en los hogares, y que este ingreso adicional incide en mayores niveles de consumo, lo que
indiscutiblemente tienen un efecto positivo en el nivel de producción a largo plazo.
De igual manera, la ecuación (3) de la inversión indica que el comercio intrarregional impacta
positivamente la inversión privada, aunque menos que el comercio extrarregional siendo sus
elasticidades de 0.6 y 0.45 respectivamente. Sin duda el mecanismo de transmisión de la inversión, y
relacionado a este mecanismo también el canal del tecnológico, explica el impacto del comercio en el
crecimiento económico de manera indirecta. En esta ecuación, el gasto público tiene un efecto positivo
importante con una elasticidad de 0.28, lo que podría explicarse por los efectos positivos de los
aumentos del consumo público en las ventas y producción privada.
La diferencia del impacto del comercio intrarregional y extrarregional, podría explicarse por los
diferentes tamaños del mercado regional y del resto del mundo, o que el comercio extrarregional puede
estar más concentrado en bienes de capital con mayor tecnología que tienen efectos más dinámicos en
las económicas comparados con bienes de intermedios de consumo final.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
A continuación se presentan las 8 ecuaciones de corto plazo estimadas en el VECM las cuales incluyen
los términos de corrección de errores derivados de las tres ecuaciones de cointegración encontradas por
la estimación del VECM. En base a los estadísticos t presentados entre corchetes se determinó la
significancia de los términos de corrección de errores (ec).
Para la ecuación de cointegración del producto (Ec.y) se observa que el coeficiente del “ec” fue
significativo en las ecuaciones de corrección de errores del comercio intra y extrarregional. Las
elasticidades estimadas son muy significativas y de importante magnitud, siendo sus valores 5.7 y 9.1
respectivamente. Al igual que en el caso de Guatemala, los coeficientes de los términos de corrección
de errores de esta ecuación son todos positivos. Al parecer, los aumentos de la tasa de crecimiento
económico de un año anterior tienden a ser considerados como no transitorios, es decir permanentes, y
ello estimula la inversión y el comercio regional y extrarregional. Sin embargo, el sistema de ecuaciones
del VECM incluye términos de corrección de errores con signo negativo, los cuales son los que llevan el
peso de los ajustes ante desviaciones respecto del largo plazo. La fuente de corrección de las
desviaciones del producto respecto de su senda de equilibrio de largo plazo proviene de las otras dos
ecuaciones de cointegración de consumo e inversión del VECM. Los “ec” de la ecuación de
204
cointegración del consumo privado (Ec.cp) tienen coeficientes negativos en las ecuaciones de corto
plazo de producto (y), consumo privado (cp), inversión (i) y del comercio extrarregional; sus
elasticidades son respectivamente 0.42, 0.82, 1.76 y 1.28. De esta manera las desviaciones sobre los
valores de equilibrio de las variables cointegradas se corrigen mediante reducciones en el crecimiento,
consumo, inversión y comercio extrarregional, lo cual genera los efectos de corrección de errores
deseados. Es importante mencionar que los aumentos del consumo sobre su trayectoria de largo plazo
generan un aumento del nivel de precios (ecuación DLDP), con una elasticidad de 0.34.
Ecuaciones de corto plazo con corrección de errores (VECM):
Corrección de
errores:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
Ec.y
0.955410 0.807251 3.523854 0.420439 5.711759 9.122493 0.000621 -0.495774
[ 1.91598] [ 0.70944] [ 1.73090] [ 0.20700] [ 2.84141] [ 5.45657] [ 0.45003] [-0.95098]
Ec.cp
-0.415945 -0.818270 -1.761335 0.380024 -0.412580 -1.280481 0.000174 0.344993
[-3.62456] [-3.12479] [-3.75935] [ 0.81303] [-0.89185] [-3.32810] [ 0.54853] [ 2.87553]
Ec.i
-0.222486 -0.152630 -1.032312 -0.134382 -1.463079 -2.457705 -0.000841 0.124801
[-1.48871] [-0.44756] [-1.69188] [-0.22076] [-2.42850] [-4.90503] [-2.03472] [ 0.79876]
Para determinar la robustez de los términos de corrección de errores con signo negativo y confirmar su
contribución a la corrección de errores se realizó la prueba de significancia de coeficientes de Wald (ver
Anexo 7 del Adjunto de El Salvador). Según esta prueba, se confirma la significancia de los siete
coeficientes que presentan signo negativo en la tabla anterior.
Por otro lado, además de los efectos correctivos de los términos de error, las ecuaciones de corto plazo
del comercio intra y extrarregional contribuyen a la estabilidad del VECM mediante la corrección de
cambios de corto plazo.
La ecuación de corto plazo del producto (DLY) solo responde al término de corrección de errores del
consumo privado (ver Anexo 4 en adjunto sobre El Salvador). Esto significa que la variable producto es
exógena débil y exógena fuerte respecto de todas las variables del VECM sugiriendo esto que el impacto
del comercio intrarregional y del comercio extrarregional a largo plazo tiene una causalidad desde el
crecimiento hacia el comercio y no a la inversa. La ecuación de corto plazo del comercio intrarregional
(DLRR) indica que esta variable disminuye cuando se presentan desviaciones de largo plazo de la
inversión y cuando el comercio intrarregional aumento a corto plazo; por otro lado, la variable comercio
intrarregional aumenta cuando aumenta a corto plazo el comercio extrarregional y el nivel de precios
(ver Anexo 4). La ecuación de corto plazo del comercio extrarregional se reduce cuando ocurren
desviaciones del consumo y la inversión a largo plazo, mientras que aumenta cuando a corto plazo se
registran aumentos en la inversión, comercio extrarregional y el nivel de precios. Con estos resultados,
se observa que tanto el comercio intra como el extrarregional contribuyen a corregir las desviaciones
que se producen tanto a largo y corto plazo en la economía salvadoreña.
Análisis de causalidad de Granger y exogeneidad
205
Nos interesa conocer si el comercio intrarregional y extrarregional causan (en el sentido de Granger) al
crecimiento, o si la causalidad es al revés, o si en realidad no hay una causalidad. El test de Granger se
realizó con las variables estacionarias, y usando tres rezagos.
Los resultados indican que la causalidad existe y va desde el crecimiento económico hacia el comercio
intrarregional y extrarregional. Finalmente, los resultados indican que entre el comercio intra y extra
regional no existe relación de causalidad en el sentido de Granger.
Pairwise Granger Causality Tests
Date: 12/8/13 Time: 10:48
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
0.14850
3.27788
0.9299
0.0340
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
1.22717
4.10450
0.3164
0.0146
DLRR does not Granger Cause DLWR
DLWR does not Granger Cause DLRR
38
0.30812
1.16339
0.8193
0.3395
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Los resultados indican que el crecimiento es exógeno débil y fuerte respecto tanto del comercio
intrarregional como del extrarregional (la ecuación de largo plazo indica que el crecimiento esta
determinado tanto por el comercio intra como extrarregional), mientras que el comercio intrarregional
no es exógeno débil pero es exógeno fuerte respecto del crecimiento; la misma situación se presenta en
el caso del comercio extrarregional: es exógeno débil pero no es exógeno fuerte respecto del
crecimiento. Esto indica que la relación de casualidad es desde el crecimiento económico hacia el
comercio y no a la inversa. Este resultado apoya el argumento de Bhagwati (1988) según el cual, los
países que han implementado inicialmente estrategias de crecimiento hacia adentro (proteccionismo)
generan una dinámica de crecimiento económico independiente del comercio internacional y tienden a
generar las condiciones de crecimiento basado en el mercado interno que posteriormente sirve de base
para abrirse al comercio internacional (crecimiento hacia afuera). Aparentemente, los países
centroamericanos han tenido una secuencia de estrategias de desarrollo que los ha llevado a transitar
desde el crecimiento hacia adentro (inicios de la integración económica regional 1960-1990
aproximadamente) hasta el crecimiento hacia afuera (1990 en adelante) lo que podría explicar la
relación de causalidad encontrada.
206
Exogeneidad y causalidad Granger entre crecimiento económico y
comercio intra y extrarregional. El Salvador
Corrección de errores:
D(LY)
D(LRR)
D(LWR)
Ec.y
0.955410
5.711759
9.122493
[ 1.91598]
[ 2.84141]
D(LY(-1))
D(LY(-2))
D(LRR(-1))
D(LRR(-2))
D(LWR(-1))
*
[ 5.45657]
1.939465
2.009714
[ 0.89834]
[ 1.11927]
1.325340
-0.83995
[ 0.71441]
[-0.54439]
-0.0739
-0.08893
[-1.61068]
[-0.57813]
-0.0351
-0.03738
[-0.87341]
[-0.27745]
*
0.000757
[ 0.01034]
D(LWR(-2))
0.001661
[ 0.03556]
Exogeneidad débil
Si
No
No
Exogeneidad fuerte
Si
Si
Si
Causalidad de largo plazo
No
Si
Si
Causalidad de corto plazo
No
No
No
(*) Significativo al 1% o 5%
Análisis del VECM con restricciones de largo y corto plazo
Con el fin de intentar mejorar las características estadísticas del VECM estimado, el cual no incluyó
en la estimación inicial ningún tipo de restricción en los coeficientes de las ecuaciones de largo
plazo ni de los coeficientes de las ecuaciones de corto plazo. Para ello se procedió a imponer
restricciones a los coeficientes de las ecuaciones de cointegración siguiendo la nomenclatura B(r,k)
donde r es la ecuación de cointegración r-ésima y k representa las variables endógenas del vector
autorregresivo en niveles.
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
207
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
D(LG) ecuación
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,7)=0,B(1,8)=0, B(2,1)=0, B(2,2)=1, B(2,3)=0, B(3,1)=0, B(3,2)=0,
B(3,3)=1, B(3,7)=0
Ecuaciones de corto plazo:
A(1,3)=0,
A(2,1)=0, A(2,3)=0,
A(3,1)=0, A(3,3)=0,
A(4,1)=0, A(4,2)=0, A(4,3)=0,
A(5,2)=0,
A(7,1)=0, A(7,2)=0,
A(8,1)=0, A(8,3)=0
Los resultados indican que las restricciones a las ecuaciones de largo plazo [B(r,k)] no mejoraron
sustancialmente el comportamiento estadístico de los residuos. Por otro lado, al adicionar las
restricciones de corto plazo indicadas arriba [A(k,r)], el modelo se volvió inestable como se ilustra
en las gráficas de las raíces inversas del polinomio característico, por lo tanto el modelo sin
restricciones es estadísticamente mejor que el modelo con restricciones.
1. VECM sin restricciones
2. VECM con restricciones
208
Inverse Roots of AR Characteristic Polynomial
Inverse Roots of AR Characteristic Polynomial
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
B.3 HONDURAS
El Adjunto sobre Honduras al final del Informe contiene los seis anexos en los que se presentan las
diferentes pruebas estadísticas y estimaciones pertinentes para arribar al Vector de Corrección de
Errores (VECM) que permite analizar el impacto del comercio intrarregional en la economía hondureña.
Las 8 variables que contribuyen a la especificación del modelo de comercio intrarregional y crecimiento
económico se consideran todas endógenas y exógenas al mismo tiempo en la estimación del VECM.
En primer lugar, se determinó la no estacionariedad de las variables. Todas resultaron con raíces
unitarias e integradas de orden uno I(1) de acuerdo al test Dickey-Fuller Aumentado (ver Anexo 1 del
adjunto). A continuación se procedió a realizar la prueba de cointegración usando el test de Johansen, el
cual sugirió la existencia de cuatro 3 o 4 ecuaciones de cointegración o relaciones de largo plazo entre
las variables; por razones de parsimonia se estimó el VECM solo con 3 ecuaciones de cointegración con
dos rezagos. Para la estimación del VECM se procedió primero a estimar el VAR no restringido (es decir
sin ecuaciones de cointegración y restricciones en las variables y coeficientes) y comprobar ausencia de
autocorrelación, anormalidad y heterocedasticidad en los errores así como a determinar el número
apropiado de rezagos para evitar autocorrelación en el VECM. El número de rezagos indicado por los
criterios de información de Akaike y Schwartz fue de 3 rezagos; los detalles de los tests relacionados se
presentan en Anexo 3. Sin embargo, el número de observaciones no fue suficiente para estimar el
VECM con 3 rezagos y se usaron solo dos rezagos como se presenta en Anexo 4 para Guatemala, lo cual
no incidió en problemas de autocorrelación en los errores del VECM estimado. Las pruebas de
autocorrelación y normalidad de los errores del VECM se presentan en el Anexo 5 de Guatemala. El
VECM se estimó con intercepto pero sin tendencia, con 3 ecuaciones de cointegración y 2 rezagos
mediante el método de mínimos cuadrados ordinarios.
En el Anexo 4 se presenta el detalle de la estimación del VECM que incluye las 3 ecuaciones de
cointegración y las 8 ecuaciones de corto plazo que incluyen el mecanismo de corrección de errores de
los desequilibrios de largo plazo. Este mecanismo de corrección de errores representa la velocidad del
ajuste al nuevo equilibrio de las variables dependientes de las 3 ecuaciones de cointegración: el
producto o crecimiento, el consumo privado, la inversión privada y el gasto público (ver ecuaciones de
209
cointegración abajo). Las ecuaciones de corto plazo estimadas son 8, las cuales corresponden a cada
una de las variables incluidas en la especificación del modelo VECM.
El Anexo 4 presenta los resultados de la estimación del VECM.
En el primer grupo de resultados del Anexo 4 del adjunto sobre Honduras se presentan en columnas, las
8 ecuaciones de corto plazo con los coeficientes estimados para los términos de corrección de errores
(CointEq1, etc.) así como para el resto de variables del modelo. Las ocho ecuaciones de corto plazo,
toman la siguiente forma con los valores en primeras diferencias y rezagadas (dos periodos) de las
variables (donde C(20) es la constante de la regresión):
DLY = (C1)ec1 + C(2)c2 + C(3)ec3 + C(4)DLY(-1) + C(5)DLY(-2) + C(6)DLCP(-1) + C(7)DLCP(-2) + C(8)DLI(-1) + C(9)DLI(-1)
+ C(10)DLG(-1) + C(11)DLG(-2) + C(12)DLRR(-1) + C(13)DLRR(-2) + C(14)DLWR(-1) + C(15)DLWR(-2) + C(16)DLPOCA(-1) +
C(17)DLPCOA(-2) + C(18)DLDP(-1) + C(19)DLDP(-2) + C(20)
Los coeficientes de cada variable explicativa (los C(i)) indican el impacto cuantitativo de cada variable en
los cambios actuales de la variable dependiente en diferencias (en este caso DLY). En el caso de los
coeficientes de los términos de error (ec1, ec2 y ec3) sus coeficientes indican la velocidad del ajuste de
las desviaciones de cada variable cointegrada (en este caso las desviaciones respecto del equilibrio de
largo plazo de Y, CP, I y G respectivamente). Los términos ec1, ec2 y ec3 son los denominados términos
de corrección de errores. En el segundo grupo de resultados del Anexo 4 se presentan en primer
término los estadísticos que permiten determinar la significancia de los 20 coeficientes de cada una de
las 8 ecuaciones de corto plazo (en total son 160 coeficientes). Este grupo de resultados contiene el
valor del coeficiente de regresión, el error estándar, el estadístico t y el p-value de cada coeficiente de
las 8 ecuaciones de corto plazo. La regla es que un t estadístico mayor que 1.8 y/o un p-value igual o
menor que 0.05, permite rechazar la hipótesis nula de que el valor del coeficiente es cero, y por lo tanto
permite aceptar la hipótesis alternativa de que el coeficiente es significativo. Al final de este segundo
grupo de resultados se incluyen las 8 ecuaciones de corto plazo que identifican los coeficientes en orden
secuencial del C(1) al C(160). Estos resultados permiten eliminar, basados en el estadístico t y/o el pvalue, los coeficientes que no son significativos y de esta manera arribar a las ecuaciones de corto plazo
estimadas por la técnica VECM.
Las relaciones de largo plazo contienen las variables endógenas: producto, consumo privado, inversión y
gasto público y se presentan y analizan a continuación. En este orden se introdujeron las variables en el
programa Eviews para estimar el VECM lo que permitirá obtener cuatro ecuaciones de cointegración del
producto, consumo privado, inversión privada y gasto público, lo cual responde al propósito de estimar
el impacto del comercio intrarregional en esas variables a largo plazo; y si el consumo privado, la
inversión privada y el gasto público son canales de transmisión del comercio intrarregional. Esto último
se analiza más adelante con las pruebas de causalidad de Granger y de exogeneidad débil y fuerte.
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
Del Anexo 4 se extraen las ecuaciones de cointegración o relaciones de largo plazo de las variables
producto (y), consumo privado (CP) e inversión (I). Estas se presentan a continuación en la forma
acostumbrada (los estadísticos t se proveen entre paréntesis).
Ecuaciones de cointegración Honduras (largo plazo), estadísticos t entre paréntesis:
210
(1) y
=
-5.04
- 0.13rr
(11.0)
(2) cp
=
10.76
-0.11 g
(2.77)
(3) i
=
-8.5
+0.60g
(3.68)
+ 0.43rr
(6.20)
+ 0.40wr
(21.7)
+
+ 0.51dp
(21.3)
+ 0.30wr
(11.24)
+ 1.05poca
(8.04)
+ 0.17dp
(5.07)
-
0.23wr
(2.10)
La ecuación (1) muestra que el crecimiento económico en Honduras es influenciado negativamente por
el comercio intrarregional con una elasticidad de 0.13 y positivamente por el comercio extrarregional
con una elasticidad de 0.40. Este resultado es similar al de Guatemala y podría indicar que la variable
comercio intrarregional esta influencia por las importaciones de bienes de consumo final que no
contribuyen al crecimiento económico. Sin embargo, debe notarse que en conjunto, el comercio
intrarregional y extrarregional generan un efecto positivo en el crecimiento económico. El comercio
regional favorece el crecimiento vía las inversiones (ecuación 3). Este resultado es importante porque
sugiere que el comercio intrarregional estaría impactando positivamente, aunque de manera indirecta,
al crecimiento a través del mecanismo de trasmisión “inversión”. El coeficiente de regresión indica que
un aumento de 1% del comercio regional genera un aumento de 0.43% en la inversión privada.
En este sentido, en Honduras el comercio intrarregional no encuentra evidencia empírica de que
favorezca el crecimiento económico de manera directa. Su efecto parece ocurrir de manera indirecta a
través del canal de inversión privada (ecuación (3)) donde su elasticidad es de 0.43; los aumentos de
comercio intrarregional incentivan la inversión privada para atender el mercado regional indicando que
opera el mecanismo de expansión de mercados que genera la integración económica. La mayor
inversión finalmente induce mayores niveles de PIB y crecimiento, aunque de manera indirecta. Llama
la atención que el comercio extrarregional genera un impacto negativo en las inversiones, el coeficiente
de elasticidad de 0.23 indica que un aumento de 1% en el comercio extrarregional se traduce en una
reducción de 0.23% en la inversión. Esto podría ser resultado, por un lado, del nivel tecnológico
relativamente elevado de las importaciones de fuera de la región, lo cual podría desestimular la
inversión interna; por otro lado, las exportaciones extrarregionales se concentran se concentran
fuertemente en el sector maquila que es un nicho no muy dinámico y en productos de origen
agroindustrial que no requieren elevados niveles de inversión.
El comercio extrarregional también podría estar impactando de manera indirecta, a través del canal del
consumo privado. El coeficiente de regresión de la ecuación de consumo (2) es de 0.30 lo que confirma
la presencia de un posible mecanismo de transmisión vía demanda agregada. Es importante notar el
impacto positivo de la variable población en esta ecuación (2), la elasticidad de 1.05 indica que un
aumento en la población aumenta el consumo en 1% aproximadamente generando estímulos para la
inversión y posiblemente en el crecimiento a largo plazo.
Finalmente, debe notarse que el gasto público genera un estímulo importante a la inversión privada lo
que estaría indicando que los gastos del gobierno tienden a complementar la inversión del sector
privado a través de la mayor demanda agregada efectiva que ello genera según la teoría Keynesiana. En
la ecuación (3), el coeficiente de elasticidad del gasto público es significativo con signo positivo y con un
211
valor de 0.60, de manera que un aumento de 10% en el gasto gubernamental induce un aumento de 6%
en la inversión privada.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
A continuación se presentan las 8 ecuaciones de corto plazo estimadas en el VECM las cuales incluyen
los términos de corrección de errores derivados de las tres ecuaciones de cointegración. El análisis se
realiza, como en el caso de Guatemala y El Salvador sobre los mecanismos de corrección de errores que
aportan las 3 ecuaciones de cointegración a las 8 ecuaciones de corto plazo. Con este análisis se
pretende discernir el papel que juegan tanto el comercio intrarregional como el comercio extrarregional
en la dinámica de la economía hondureña. En base a los estadísticos t presentados entre corchetes para
cada coeficiente de regresión se determinó la significancia de los términos de corrección de errores (los
coeficientes significativos se marcan en amarillo).
El termino de corrección de errores de la ecuación de cointegración del producto (Ec.y) fue significativo
para la ecuaciones de corto plazo del gasto público, comercio intrarregional, comercio extrarregional y
deflactor del PIB. Para las primeras tres de estas ecuaciones, las elasticidades son 3.96, 7.48 y 2.75 y con
el signo negativo esperado. Estos coeficientes indican que las desviaciones del crecimiento sobre su
valor de largo plazo en un año anterior se corrigen mediante la reducción del gasto gubernamental, el
comercio regional y extrarregional en menos de un año. Por otro lado, las desviaciones de la trayectoria
de largo plazo del consumo se corrigen a través de las ecuaciones de corto plazo de la población
(DLPOCA) y del nivel de precios (DLDP) que muestran elasticidades negativas de 0.002 y 0.49. previo no
tienden a ser corregidas por ningún movimiento en las variables dependientes de las 8 ecuaciones; se
observa que un nivel de consumo superior al nivel de largo plazo parece ser aprovechado al siguiente
año mediante un mayor flujo comercial extrarregional. En total son cinco coeficientes con signo
negativo cuya robustez se comprobó mediante el test de Wald (ver Anexo 7 del Adjunto de Honduras).
Según esta prueba, se confirma la significancia de los cinco coeficientes con signo negativo.
Ecuaciones de corto plazo con corrección de errores en Honduras (VECM):
Corrección de
Errores:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
Ec.y
0.349278 -0.241150 1.287138 -3.956968 -7.483473 -2.746713 -0.000691 2.319276
(0.49242) (0.61353) (2.42046) (0.87467) (2.79491) (1.46515) (0.00132) (0.50185)
[ 0.70931] [-0.39305] [ 0.53177] [-4.52394] [-2.67754] [-1.87470] [-0.52431] [ 4.62149]
Ec.cp
0.162171 0.070937 -0.325076 0.007116 2.276855 2.893745 -0.002457 -0.494062
(0.23554) (0.29347) (1.15777) (0.41838) (1.33689) (0.70082) (0.00063) (0.24005)
[ 0.68851] [ 0.24172] [-0.28078] [ 0.01701] [ 1.70310] [ 4.12908] [-3.89753] [-2.05819]
Ec.i
-0.037789 0.021194 0.092565 0.201842 1.301315 -0.189411 -0.000245 0.312908
(0.08350) (0.10403) (0.41043) (0.14831) (0.47392) (0.24844) (0.00022) (0.08510)
[-0.45258] [ 0.20372] [ 0.22553] [ 1.36091] [ 2.74585] [-0.76241] [-1.09659] [ 3.67712]
Análisis de causalidad de Granger y exogeneidad
212
Para corroborar las relaciones de impacto entre las variables de comercio internacional, comercio
extrarregional y crecimiento económico se realizó el test de causalidad de Granger utilizando 3 rezagos.
Los resultados indican que el crecimiento intrarregional en primeras diferencias (DLRR) no precede al
crecimiento económico, tampoco existe causalidad en el sentido inverso, del crecimiento hacia el
comercio intrarregional. Una situación similar se observa para el comercio extrarregional. Las tres
variables (Y, RR, y WR en logaritmos y primeras diferencias) no presentan relaciones de causalidad .
Pairwise Granger Causality Tests
Date: 12/7/13 Time: 16:56
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
1.33657
1.11022
0.2804
0.3599
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
0.40395
0.53992
0.7512
0.6585
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
38
1.54107
1.94514
0.2235
0.1429
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Los resultados indican que el crecimiento es exógeno débil y fuerte respecto tanto del comercio
intrarregional como del extrarregional (la ecuación de largo plazo indica que el crecimiento está
determinado tanto por el comercio intra como extrarregional), mientras que el comercio intrarregional
no es exógeno débil pero es exógeno fuerte respecto del crecimiento; el comercio extrarregional es
exógeno débil y fuerte. Esto indica que la relación de casualidad es desde el crecimiento económico
hacia el comercio intrarregional y no a la inversa, y que el comercio extrarregional no es causado por el
crecimiento económico. Este resultado apoya el argumento de Bhagwati (1988) según el cual, los países
que han implementado inicialmente estrategias de crecimiento hacia adentro (proteccionismo) generan
una dinámica de crecimiento económico independiente del comercio internacional y tienden a generar
las condiciones de crecimiento basado en el mercado interno que posteriormente sirve de base para
abrirse al comercio internacional (crecimiento hacia afuera). Aparentemente, los países
centroamericanos han tenido una secuencia de estrategias de desarrollo que los ha llevado a transitar
desde el crecimiento hacia adentro (inicios de la integración económica regional 1960-1990
aproximadamente) hasta el crecimiento hacia afuera (1990 en adelante) lo que podría explicar la
relación de causalidad encontrada.
Exogeneidad y causalidad Granger entre crecimiento económico y
comercio intra y extrarregional. Honduras
213
Corrección de errores:
D(LY)
D(LRR)
D(LWR)
Ec.y
0.349278
-7.48347
-2.74671
[ 0.70931]
[-2.67754]
D(LY(-1))
D(LY(-2))
D(LRR(-1))
*
[-1.87470]
4.801105
2.449320
[ 1.76210]
[ 1.71483]
3.844996
0.752008
[ 1.90480]
[ 0.71066]
-0.09140
0.006653
[-1.59465]
[ 0.03901]
D(LRR(-2))
-0.05861
[-1.71414]
-0.00878
[-0.08629]
D(LWR(-1))
0.150465
[ 0.95260]
D(LWR(-2))
0.175334
[ 1.60197]
Exogeneidad débil
Si
No
Si
Exogeneidad fuerte
Si
Si
Si
Causalidad de largo plazo
No
Si
No
Causalidad de corto plazo
No
No
No
(*) Significativo al 1% o 5%
Análisis del VECM con restricciones de largo y corto plazo
Con el fin de intentar mejorar las características estadísticas del VECM estimado, el cual no incluyó
en la estimación inicial ningún tipo de restricción en los coeficientes de las ecuaciones de largo
plazo ni de los coeficientes de las ecuaciones de corto plazo. Para ello se procedió a imponer
restricciones a los coeficientes de las ecuaciones de cointegración siguiendo la nomenclatura B(r,k)
donde r es la ecuación de cointegración r-ésima y k representa las variables endógenas del vector
autorregresivo en niveles.
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
k=1
k=2
k=3
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
214
k=4
k=5
k=6
k=7
k=8
D(LG) ecuación
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,4)=0, B(2,1)=0, B(2,2)=1, B(2,3)=0,b(2,4)=0, B(3,1)=0, B(3,2)=0,
B(3,3)=1, B(3,4)=0,B(3,7)=0, B(3,8)=0, B(4,1)-0, B(4,2)=0, B(4,3)=0, B(4,4)=1,
Ecuaciones de corto plazo:
A(1,1)=0, A(1,2)=0, A(1,3)=0,
A(2,1)=0, A(2,2)=0, A(2,3)=0,
A(3,1)=0, A(3,2)=0, A(3,3)=0,
A(4,2)=0, A(4,3)=0,
A(5,2)=0,
A(6,3)=0,
A(7,1)=0, A(7,3)=0
El VECM estimado sin restricciones de ningún tipo resultó estable de acuerdo al test de raíces
invertidas del polinomio característico. Los resultados evidencian, al introducir las restricciones de
largo plazo indicadas arriba, similares resultados en las pruebas de autocorrelación, normalidad y
heterocedasticidad. Por lo que se procedió a incluir las restricciones de corto plazo indicadas
anteriormente. El problema de autocorrelación que introducen las restricciones muy notable,
mientras que los test de normalidad y heterocedasticidad arrojan resultados similares. Indicando
que el VECM sin restricciones tiene mejor comportamiento estadístico, lo cual se corrobora con el
grafico de las raíces inversas del polinomio característico del VECM sin y con restricciones.
1. VECM sin restricciones
2. VECM con restricciones
215
Inverse Roots of AR Characteristic Polynomial
1.5
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
B.4 NICARAGUA
Las 8 variables que contribuyen a la especificación del modelo de comercio intrarregional y crecimiento
económico resultaron con raíces unitarias e integradas de orden uno I(1) de acuerdo al test Dickey-Fuller
Aumentado (y de Phillips-Perron para el caso de la variable consumo privado). Todas estas pruebas se
presentan en el Anexo 1 del Adjunto de Nicaragua al final de este Informe. Posteriormente, se procedió
a realizar la prueba de cointegración usando el test de Johansen, el cual sugirió la existencia de cuatro
(test de la Traza) o 7 ecuaciones (test de Max-eigenvalue) de cointegración (ver Anexo 2), pero por
razones de simplicidad y limitación de observaciones la estimación del VECM se realizó con 4
ecuaciones de cointegración. Para la estimación del VECM se procedió primero a estimar el VAR no
restringido (es decir sin ecuaciones de cointegración y restricciones en las variables y coeficientes) y
comprobar ausencia de autocorrelación, anormalidad y heterocedasticidad en los errores así como a
determinar el número apropiado de rezagos para evitar autocorrelación en el VECM; el número sugerido
por las pruebas de criterios de información de Akaike y Schwartz (entre otros) fue de 3 rezagos. Los
detalles de las pruebas de autocorrelación, normalidad y número de rezagos del VAR no restringido se
presentan en Anexo 3. Pese a que el número de rezagos sugeridos por los diferentes criterios (entre
ellos Akaike y Schwartz) fue de 3 rezagos, el número de observaciones no fue suficiente para estimar el
VECM con 3 rezagos y se usaron solo dos rezagos como se presenta en Anexo 4. Las pruebas de
autocorrelación y normalidad de los errores del VECM se presentan en el Anexo 5. El VECM se estimó
con intercepto pero sin tendencia, con 4 ecuaciones de cointegración y 2 rezagos mediante el método
de mínimos cuadrados ordinarios. La prueba de autocorrelación reveló la presencia de cierta
autocorrelación (test de Portmanteau) mientras que el test normalidad indicó que los errores estimados
son bien comportados estadísticamente según el test de Cholesky (Lutkepohl).
Para el análisis de la relación entre el comercio intrarregional y extrarregional con el crecimiento
económico así como con el consumo y la inversión privada y resto de variables del modelo especificado,
se extraen del Anexo 4 las ecuaciones de cointegración o de largo plazo y las 8 ecuaciones de corto plazo
216
que incluyen los mecanismos de corrección de errores de los desequilibrios de largo plazo que se
desprenden de las 4 ecuaciones de cointegración sobre el producto o crecimiento, el consumo privado,
la inversión privada y el gasto público (ver ecuaciones de cointegración abajo). Las ecuaciones de corto
plazo estimadas son 8, las cuales corresponden a cada una de las variables incluidas en la especificación
del modelo VECM.
En el primer grupo de resultados del Anexo 4 del adjunto sobre Nicaragua (incluido al final del presente
Informe) se presentan en columnas, las 8 ecuaciones de corto plazo con los coeficientes estimados para
los términos de corrección de errores (CointEq1, etc.) así como para el resto de variables del modelo.
En el segundo grupo de resultados del Anexo 4 se presentan en primer término los estadísticos que
permiten determinar la significancia de los 21 coeficientes de cada una de las 8 ecuaciones de corto
plazo (en total son 168 coeficientes). Este grupo de resultados contienen el valor del coeficiente de
regresión, el error estándar, el estadístico t y el p-value de cada coeficiente de las 8 ecuaciones de corto
plazo. La regla es que un t estadístico mayor que 1.8 y/o un p-value igual o menor que 0.05, permite
rechazar la hipótesis nula de que el valor del coeficiente es cero, y por lo tanto permite aceptar la
hipótesis alternativa de que el coeficiente es significativo. Al final de este segundo grupo de resultados
se incluyen las 8 ecuaciones de corto plazo que identifican los coeficientes en orden secuencial del C(1)
al C(168). Estos resultados permiten eliminar, basados en el estadístico t y/o el p-value, los coeficientes
que no son significativos y de esta manera identificar las variables que tienen un impacto en el resto de
variables en las diferentes ecuaciones de regresión estimadas en el VECM.
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
El Anexo 4 presenta las ecuaciones de largo plazo y las de corto plazo de corrección de errores junto con
los estadísticos t y p-value que permiten identificar las variables que resultaron significativas y que por
lo tanto juegan un rol importante en la explicación de las variables del VECM: 4 ecuaciones de largo
plazo y 8 ecuaciones de corto plazo. Las relaciones de largo plazo contienen las variables endógenas:
producto, consumo privado, inversión y gasto público y se presentan y analizan a continuación. En este
orden se introdujeron las variables en el programa Eviews para estimar el VECM lo que permitirá
obtener cuatro ecuaciones de cointegración del producto, consumo privado, inversión privada y gasto
público, lo cual responde al propósito de estimar el impacto del comercio intrarregional en esas
variables a largo plazo; y si el consumo privado, la inversión privada y el gasto público son canales de
transmisión del comercio intrarregional. Este último se analiza más adelante con las pruebas de
causalidad de Granger y de exogeneidad débil y fuerte.
Ecuaciones de cointegración Nicaragua (largo plazo), estadísticos t entre paréntesis:
(1) y
=
99.92 + 0.22rr + 1.10wr
(2.73)
(10.23)
-
5.8poca
(7.3)
(2) cp
=
136.83 + 0.48rr + 1.45wr
(3.01)
(7.12)
-
8.17poca
(5.47)
(3) i
=
29.44 - 0.39rr (2.00)
+
1.00dp
(7.68)
+
1.19dp
(4.81)
0.75wr
(2.91)
217
(4) g
=
162.83 - 0.57rr - 1.19wr
(3.30)
(5.39)
+ 10.44poca (6.40)
1.15dp
(4.27)
La ecuación (1) muestra que tanto el comercio intrarregional como el extrarregional impactan
positivamente el crecimiento económico nicaragüense, las elasticidades son altamente significativas y
alcanzan los valores de 0.22 y 1.1 respectivamente. La composición de los bienes comerciados a nivel
extrarregional tiende a estar más concentrados en bienes de capital con relativamente alto contenido
de tecnología lo cual podría explicar el mayor impacto que ejerce el comercio extrarregional. La
ecuación (2) aporta evidencia empírica sobre la presencia de un canal de transmisión de consumo
privado dado que tanto el comercio intra como extrarregional impactan positivamente en el consumo,
observándose un mayor impacto del comercio extrarregional (las elasticidades son 0.48 y 1.45
respectivamente). Este resultado indica que el comercio hacia fuera de la región genera más dinamismo
económico que el comercio hacia el interior de la región. Lo cual tiende a corroborarse ya que el tamaño
de la población de los países centroamericanos visto como un todo tiene efectos negativos sobre el
crecimiento y el consumo privado, lo cual amerita un análisis aparte que identifique las razones
fundamentales de este resultado. Un aspecto que llama la atención es que en Nicaragua, de acuerdo a
al ecuación de inversión (3), mayores niveles de comercio regional y extrarregional inciden en menores
niveles de inversión privada. Aparentemente, el canal de competencia externa no tiende a estimular
niveles mayores de inversión tecnológica que permita competir con los productos extranjeros de
manera que a mayores niveles de comercio se registran menores niveles de inversión; esta observación
tiende a corroborarse dado que el impacto más negativo lo ejerce el comercio extrarregional que
presenta mayores niveles tecnológicos y de competitividad y competencia.
Una influencia similar de desestimulo, se observa en la ecuación (4) del gasto público; esta ecuación
indica que a mayores niveles de comercio internacional se registran menores niveles de gasto público.
Este hallazgo podría indicar que en Nicaragua no existe una política fiscal explicita de promoción del
comercio internacional. La relación de largo plazo entre comercio intra y extrarregional y el gasto
público es negativa de modo que hay evidencia de cierto papel contra cíclico del gasto fiscal: cuando
aumenta el comercio y el gasto público se reduce y viceversa.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
A continuación se presentan las 8 ecuaciones de corto plazo estimadas en el VECM. El detalle de las
ecuaciones estimadas se encuentra en el Anexo 4 del adjunto de Nicaragua al final del Informe.
En base al estadístico t presentado entre corchetes para cada coeficiente de regresión se determinó la
significancia de los términos de corrección de errores (los estadísticos significativos estadísticamente se
marcan en amarillo). De un total de 32 coeficientes, solo 16 resultaron significativos y de estos, 11
registran signo negativo lo que los convierte en los términos de corrección de errores que generan los
ajustes ante desviaciones de las variables cointegradas respecto de la trayectoria de largo plazo.
Ecuaciones de corto plazo con corrección de errores en Nicaragua (VECM):
Corrección de Errores:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
Ec.y
0.200301
3.977385
-3.917299
-10.13481
2.292330
-3.380961
0.001821
1.056535
218
(0.67849)
[ 0.29522]
(0.96799)
[ 4.10893]
(2.42305)
[-1.61668]
(1.38405)
[-7.32258]
(4.45471)
[ 0.51459]
(1.81589)
[-1.86188]
(0.00096)
[ 1.88797]
(0.51332)
[ 2.05825]
Ec.cp
-1.225716
(0.72060)
[-1.70096]
-4.645057
(1.02807)
[-4.51823]
-0.540888
(2.57345)
[-0.21018]
9.107277
(1.46996)
[ 6.19560]
-7.452530
(4.73122)
[-1.57518]
2.098554
(1.92860)
[ 1.08812]
-0.002307
(0.00102)
[-2.25292]
-0.948570
(0.54518)
[-1.73992]
Ec.i
-0.474763
(0.21426)
[-2.21584]
-1.291502
(0.30568)
[-4.22504]
-1.200956
(0.76517)
[-1.56953]
2.772084
(0.43707)
[ 6.34248]
-3.004045
(1.40674)
[-2.13546]
-0.233577
(0.57344)
[-0.40733]
-0.000880
(0.00030)
[-2.89029]
0.326752
(0.16210)
[ 2.01575]
Ec.g
-0.572136
(0.19937)
[-2.86967]
-0.900065
(0.28444)
[-3.16431]
-1.486418
(0.71201)
[-2.08762]
0.274078
(0.40670)
[ 0.67390]
-2.492438
(1.30902)
[-1.90405]
0.197530
(0.53360)
[ 0.37018]
-0.000186
(0.00028)
[-0.65541]
-0.742721
(0.15084)
[-4.92395]
A fin de probar la robustez de los coeficientes con signo negativo se realizaron pruebas de coeficientes
con el test de Wald. Todos los coeficientes resultaron ser estadísticamente robustos.
Exceptuando la ecuación del comercio extrarregional, todas las ecuaciones de corto plazo contribuyen a
la corrección de las desviaciones de largo plazo de las variables cointegradas. De la tabla anterior se
desprende que el ajuste de las desviaciones del crecimiento respecto de su nivel de largo plazo (Ec.y), se
realiza mediante la reducción del gasto público de manera rápida. La elasticidad del término de
corrección del error del producto en la ecuación del gasto público es 10. Las desviaciones del consumo
del nivel de largo plazo se ajustan de manera inmediata a través del propio consumo (Ec.cp)
observándose una elasticidad de 4.64 en el término de corrección de errores. En relación con la
ecuación de largo plazo de inversión privada (Ec.i), se observa un papel de corrección por parte del
comercio intrarregional para contribuir al restablecimiento del nivel de equilibrio de la inversión; las
otras variables que contribuyen al ajuste a corto plazo son el nivel del crecimiento, el consumo privado y
la propia inversión privada, generándose los ajustes en periodos desde medio año (elasticidad de 0.5 en
el consumo privado) y un poco más de un año (elasticidades de 1.2 aproximadamente en consumo e
inversión privada). Las desviaciones del gasto público respecto de sus niveles de largo plazo se corrigen
en medio año o año y medio a través de disminuciones en el crecimiento económico, el consumo
privado y la inversión privada.
Por otro lado, además de los efectos correctivos de los términos de error, las ecuaciones de corto plazo
del comercio intra y extrarregional contribuyen a la estabilidad del VECM mediante cambios de corto
plazo.
La ecuación de corto plazo del producto (DLY) se ajusta cuando se registran desviaciones de corto plazo
en el crecimiento, comercio extrarregional y el nivel de precios. Por su parte la ecuación del comercio
intrarregional (DLRR), contribuye a restablecer los valores de equilibrio de las variables cointegradas
ante cambios de corto plazo en crecimiento, comercio intrarregional y el nivel de precios. Por otro lado,
la ecuación de corto plazo del comercio extrarregional se ajusta cuando ocurren desviaciones de corto
plazo en la inversión, el comercio regional, comercio extrarregional, la población y el nivel de precios.
Con estos resultados, se corrobora que tanto el comercio intra como el extrarregional contribuyen a
corregir las desviaciones que se producen tanto a largo y corto plazo en la economía salvadoreña.
219
Análisis de causalidad de Granger y exogeneidad
El test de causalidad de Granger no permitió encontrar relaciones de causalidad entre el comercio
intrarregional, comercio extrarregional y el crecimiento económico. La hipótesis de que el crecimiento
económico no causa a las variables de comercio indicadas es aceptada al igual que las hipótesis que las
variables de comercio no causan al crecimiento económico, como se presenta en la siguiente tabla.
Pairwise Granger Causality Tests
Date: 12/21/13 Time: 02:57
Sample: 1970 2010
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLY does not Granger Cause DLWR
DLWR does not Granger Cause DLY
37
0.33502
0.63323
0.8001
0.5994
DLRR does not Granger Cause DLWR
DLWR does not Granger Cause DLRR
37
1.50208
0.90661
0.2341
0.4495
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
37
0.11009
0.61416
0.9535
0.6112
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Exogeneidad y causalidad Granger entre crecimiento económico y
comercio intra y extrarregional. Nicaragua
Corrección de errores:
D(LY)
D(LRR)
D(LWR)
Ec.y
0.200301
2.292330
-3.38096
[ 0.29522]
[ 0.51459]
[-1.86188]
-2.68527
3.254892
[-0.55885]
[ 1.66178]
D(LY(-1))
D(LY(-2))
7.221946
[ 2.38616]
D(LRR(-1))
2.267839
*
[ 1.83818]
-0.04783
[-0.87432]
D(LRR(-2))
-0.04576
[-1.02234]
220
D(LWR(-1))
-0.28803
[-2.15520]
D(LWR(-2))
*
-0.12328
[-1.35045]
Exogeneidad débil
Si
Si
Si
Exogeneidad fuerte
No
No
Si
Causalidad de largo plazo
No
No
No
Causalidad de corto plazo
Si
Si
No
(*) Significativo al 1% o 5%
Los resultados indican que el crecimiento es exógeno débil pero no exógeno fuerte ya que el comercio
extrarregional genera cambios inversamente proporcionales en el crecimiento económico, lo que estaría
indicando que hay una causalidad desde el comercio extrarregional en el crecimiento económico. Por su
parte el comercio intrarregional presenta exogeneidad débil pero no exogeneidad fuerte respecto del
crecimiento, evidenciando casualidad desde el crecimiento hacia el comercio. En el caso del comercio
extrarregional, este es exógeno débil y exógeno fuerte indicando que el crecimiento no afecta al
comercio extrarregional (la ecuación de largo plazo indica que el crecimiento está determinado tanto
por el comercio intra como extrarregional). En este caso, a diferencia del resto de países analizados
anteriormente, existe causalidad desde el comercio extrarregional hacia el crecimiento económico. Sin
embargo, debe señalarse que este resultado contrasta con el test de Granger presentado anteriormente
donde se indica que el comercio extrarregional no causa el crecimiento. Por otro lado, el comercio
intrarregional no causa en el sentido de Granger al crecimiento.
Análisis del VECM con restricciones de largo y corto plazo
Con el fin de intentar mejorar las características estadísticas del VECM estimado, el cual no incluyó
en la estimación inicial ningún tipo de restricción en los coeficientes de las ecuaciones de largo
plazo ni de los coeficientes de las ecuaciones de corto plazo. Para ello se procedió a imponer
restricciones a los coeficientes de las ecuaciones de cointegración siguiendo la nomenclatura B(r,k)
donde r es la ecuación de cointegración r-ésima y k representa las variables endógenas del vector
autorregresivo en niveles.
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
k=1
k=2
k=3
k=4
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
D(LG) ecuación
221
k=5
k=6
k=7
k=8
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,4)=0,
B(2,1)=0, B(2,2)=1, B(2,3)=0, B(2,4)=0,
b(3,1)=0, B(3,2)=0, B(3,3)=1, B(3,4)=0, B(3,7)=0, B(3,8)=0,
B(4,1)=0, B(4,2)=0, B(4,3)=0, B(4,4)=1,
Ecuaciones de corto plazo:
A(1,1)=0, A(1,2)=0,
A(3,1)=0, A(3,2)=0, A(3,3)=0,
A(4,4)=0,
A(5,1)=0, A(5,2)=0,
A(6,2)=0, A(6,3)=0, A(6,4)=0,
A(7,4)=0,
A(8,2)=0
La inclusión de restricciones de largo plazo en las ecuaciones de cointegración para estimar el
VECM presenta resultados similares en términos de autocorrelación, normalidad y
heterocedasticidad que el VECM sin restricciones. Las raíces inversas del polinomio característico
indican que ambos modelos son estables. Sin embargo, al incluir restricciones de corto plazo (es
decir, eliminando los términos de corrección de error que no fueron significativos en una primera
estimación del VECM sin restricciones) los resultados empeoraron notablemente. Algunos
coeficientes de corrección de errores se volvieron no significativos y los residuos presentaron
autocorrelación y el modelo muestra inestabilidad según las raíces inversas del polinomio
característico.
1. VECM sin restricciones
2. VECM con restricciones
222
Inverse Roots of AR Characteristic Polynomial
1.5
Inverse Roots of AR Characteristic Polynomial
2.0
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.5
-2.0
-1.0
-0.5
0.0
0.5
1.0
1.5
-2
-1
0
1
2
B.5 COSTA RICA
A diferencia de los países anteriores, en Costa Rica las variables del modelo (consumo privado, inversión
privada, gasto público, comercio intrarregional y comercio extrarregional) se especificaron como
porcentajes del PIB a precios corrientes y la variable representativa de la actividad económica fue el PIB
per cápita a precios constantes: Ypc (en otros países se utiliza el producto a precios constantes: Y)52.
Todas las variables se transformaron a logaritmos naturales al igual que en los países anteriores. El uso
de proporciones del PIB se explica porque los datos a precios constantes y corrientes generan un
deflactor del PIB con un crecimiento exponencial que afecta la conversión de los flujos de comercio intra
y extrarregional de precios corrientes a precios constantes (el comercio intrarregional y extrarregional
disponible es a precios corrientes y deben deflactarse para obtenerlos a precios constantes). Este
comportamiento se observó en distintas bases de datos consultadas (WDI del Banco Mundial, PWT de la
Universidad de Perdue y del Banco Central de Costa Rica).
Luego de confirmar que las 8 variables incluidas en el modelo de comercio intrarregional y crecimiento
económico son no estacionarias, es decir, resultaron con raíces unitarias e integradas de orden uno I(1)
de acuerdo al test Dickey-Fuller Aumentado, se procedió a realizar la prueba de cointegración usando el
Test de Johansen, el cual sugirió la existencia de cuatro ecuaciones según la prueba de la Traza (Trace
test) y 3 ecuaciones según el criterio Max-eigenvalue (ver Anexo 2 en Adjunto sobre Costa Rica).
Posteriormente se estimó el VECM con 4 ecuaciones de cointegración y 2 rezagos. Para la estimación del
VECM se procedió primero a estimar el VAR no restringido (es decir sin ecuaciones de cointegración y
restricciones en las variables y coeficientes) y comprobar ausencia de autocorrelación, anormalidad y
heterocedasticidad en los errores del VAR así como a determinar el número apropiado de rezagos para
evitar autocorrelación en el VECM. El número de rezagos sugerido por las pruebas de criterios de
información de Akaike y Schwartz fue de 3 rezagos; sin embargo, debido a que el número de
52
En adelante, en el caso de Costa Rica, el término producto se refiere a producto per cápita a precios constantes.
En el resto de países esta variable corresponde al PIB a precios constantes del año 2000 en US Dólares.
223
observaciones no fue suficiente para usar 3 rezagos se usaron dos rezagos en la estimación del VECM.
Los detalles de los tests relacionados de autocorrelación, normalidad y número de rezagos del VAR no
restringido se presentan en Anexo 3 del adjunto de Costa Rica. Las pruebas de autocorrelación y
normalidad de los errores del VECM se presentan en el Anexo 5. El VECM se estimó con intercepto pero
sin tendencia, usando el método de mínimos cuadrados ordinarios. Las pruebas fueron superadas de
manera solvente de modo que las estimaciones obtenidas son robustas53.
Para el análisis de la relación entre el comercio intrarregional y extrarregional con el crecimiento
económico así como con el consumo y la inversión privada y resto de variables del modelo especificado,
se extraen del Anexo 4 las ecuaciones de cointegración o de largo plazo y las 8 ecuaciones de corto plazo
que incluyen los mecanismos de corrección de errores de los desequilibrios de largo plazo que se
desprenden de las 4 ecuaciones de cointegración sobre el producto o crecimiento per cápita, el
consumo privado, la inversión privada y el gasto público (ver ecuaciones de cointegración abajo). Las
ecuaciones de corto plazo o de corrección de errores estimadas son 8, las cuales corresponden a cada
una de las variables incluidas en la especificación del modelo VECM.
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
El Anexo 4 presenta las ecuaciones de largo plazo y las de corto plazo de corrección de errores junto con
los estadísticos t y p-value que permiten identificar las variables que resultaron significativas y que por
lo tanto juegan un rol importante en la explicación de las variables del VECM: 4 ecuaciones de largo
plazo que dan lugar a cuatro términos de corrección de errores (error correction = EC) y 8 ecuaciones de
corto plazo (que contienen los cuatro EC). Las relaciones de largo plazo contienen las variables
endógenas: producto per cápita, consumo privado, inversión y gasto público y se presentan y analizan a
continuación. En este orden se introdujeron las variables en el programa Eviews para estimar el VECM
con el fin de obtener cuatro ecuaciones de cointegración del producto, consumo privado, inversión
privada y gasto público, lo cual responde al propósito de estimar el impacto del comercio intrarregional
en esas variables a largo plazo; y si el consumo privado, la inversión privada y el gasto público son
canales de transmisión del comercio intrarregional. Este último se analiza más adelante con las pruebas
de causalidad de Granger y de exogeneidad débil y fuerte.
Ecuaciones de cointegración Costa Rica (largo plazo), con estadísticos t en paréntesis:
(1) ypc
=
39.9
+ 0.33w
(7.89)
+
2.77poca
(22.87)
-
(2) cp
=
-17.4
+ 0.13w
(2.42)
-
0.84poca
(5.33)
+ 0.16dp
(7.49)
(3) i
=
36.0
+ 0.13r
(3.18)
+
2.33poca
(11.15)
0.16dp
(9.53)
-
0.18dp
(6.41)
53
El VECM también fue estimado usando como variable dependiente la tasa de crecimiento del PIB real y los
resultados son muy similares, lo que evidencia la robustez de los resultados.
224
(4) g
=
50.19
+ 0.12r - 0.54w
(2.44)
(6.34)
+ 3.32poca
(13.64)
-
0.47dp
(13.95)
La ecuación (1) muestra que el comercio intrarregional no fue significativo estadísticamente y por tanto
no tiene un impacto de largo plazo en el crecimiento de la economía costarricense mientras que el
comercio extrarregional fue altamente significativo e impacta positivamente el crecimiento económico
con una elasticidad de 0.33, lo que indica que ante un aumento de 1% del comercio con países fuera de
la región centroamericana se produce un aumento del PIB per cápita de 0.33%. La razón más plausible
de este resultado parece ser que el comercio regional se concentra en exportaciones de bienes de
consumo que no añaden valor al producto y por tanto no son capturadas por la estimación de la relación
de cointegración del producto per cápita; además, las proporciones en que las economías importan
bienes de la región y utilizan dichas importaciones para producir bienes y servicios que se exportan
fuera de la región podría también explicar en parte el resultado encontrado.
Al igual que con la ecuación del producto, la ecuación (2) no registra que el comercio intrarregional
tenga un impacto sobre el consumo privado doméstico con lo que se desvanece aparentemente la
presencia de un canal de transmisión relacionado con el consumo privado; esto se analiza más adelante
en conjunto con las ecuaciones de corrección de errores de corto plazo. Por otro lado, la ecuación (2)
sugiere la presencia de un mecanismo de transmisión del consumo privado o efecto ingreso del
comercio extrarregional, el cual incrementa el consumo y a través de este, de manera indirecta,
contribuye al crecimiento económico; esto corrobora la mayor importancia del comercio extrarregional
en la dinámica de la economía costarricense, situación semejante a la evidencia encontrada en el resto
de países centroamericanos.
La ecuación (3) de la inversión privada, muestra que el comercio intrarregional es significativa e impacta
positivamente a la inversión con una elasticidad de 0.13 indicando que por cada 1% de aumento en la
proporción del comercio regional con respecto al PIB se genera un 0.13% de incremento en la inversión
privada, sugiriendo la existencia de un canal de transmisión del comercio intrarregional al crecimiento;
en efecto, la inversión es un componente del PIB y por lo tanto contribuye a su incremento, y por otro
lado, la inversión puede dinamizar la economía mediante la adquisición de tecnología. Este mecanismo
de trasmisión es importante en la dinamización de las economías ya que se relaciona con la
transferencia de tecnología y de conocimiento que son la base para el aprovechamiento de las
economías de escala que genera la integración económica regional y la apertura extrarregional.
Finalmente, la ecuación de largo plazo sobre el gasto gubernamental (4) muestra que un incremento de
1% del comercio extrarregional como porcentaje del PIB genera una aumento del gasto público de
0.12% lo que también favorece el crecimiento vía la expansión de la demanda agregada.
Aparentemente, el mecanismo de trasmisión fiscal del comercio no tiene un papel significativo en Costa
Rica, lo cual es un resultado que se repite en otros países de la región. Sin embargo, el comercio
extrarregional contrarresta este impacto ya que reduce el gasto fiscal en 0.54% por cada 1% de aumento
de este tipo de comercio. El aparato del Estado no parece corresponderse con la dinámica del comercio
internacional a largo plazo sino más bien con la demográfica: un aumento de 1% de la población tiende
a generar un 3.32% de incremento en el gasto estatal. Al ser significativo con signo negativo el
comercio extrarregional en la ecuación del gasto público, ello indica que el aparato estatal tiende a
225
reducir su tamaño como porcentaje del PIB (medido por el gasto corriente: compra de bienes y
servicios) lo que podría responder a una política de menor incidencia del Estado en la economía.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
A continuación se presentan las 8 ecuaciones de corto plazo estimadas en el VECM las cuales incluyen
los términos de corrección de errores derivados de las cuatro ecuaciones de cointegración: producto o
crecimiento, consumo privado, inversión privada y gasto público. El detalle de las ecuaciones estimadas
se encuentra en el Anexo 4 del Adjunto de Costa Rica al final del Informe.
En base al estadístico t presentado entre corchetes para cada coeficiente de regresión se determinó la
significancia de los términos de corrección de errores (los estadísticos significativos estadísticamente se
marcan en amarillo). De 32 coeficientes de los términos de corrección de errores, ocho resultaron
significativos estadísticamente, de los cuales presentan signo negativo contribuyendo a la corrección de
los errores del consumo privado, inversión y nivel de precios.
Corrección de
Errores:
D(LYPC)
D(LCP)
D(LI)
D(LG)
D(LR)
D(LW)
D(LPOCA)
D(LDP)
Ec.ypc
0.021072 1.637185 1.318351 0.207722 0.045282 0.512486 0.003695 -1.362419
[ 0.05062] [ 3.33958] [ 1.29205] [ 0.31566] [ 0.01169] [ 0.28275] [ 3.47833] [-1.90919]
Ec.cp
0.907866 -1.229327 -0.594938 -0.856653 2.232809 3.274467 0.000558 -0.852212
[ 2.38036] [-2.73716] [-0.63644] [-1.42098] [ 0.62906] [ 1.97194] [ 0.57346] [-1.30354]
Ec.i
-0.683343 -1.138154 -0.787852 0.704349 2.654146 -2.422791 0.000416 0.487869
[-1.99132] [-2.81653] [-0.93672] [ 1.29853] [ 0.83109] [-1.62162] [ 0.47555] [ 0.82939]
Ec.g
0.020082 -0.055180 -0.026634 -0.271064 4.232545 -0.074763 0.000482 -1.063743
[ 0.07021] [-0.16382] [-0.03799] [-0.59952] [ 1.59000] [-0.06003] [ 0.66042] [-2.16953]
A fin de probar la robustez de los coeficientes con signo negativo se realizaron pruebas de coeficientes
con el test de Wald. Todos los coeficientes resultaron ser estadísticamente robustos (ver Anexo 7 del
adjunto de Costa Rica).
Del cuadro anterior se desprende que el término de corrección de error del producto (Ec.y) es
significativo en las ecuaciones de corrección de error (CE) del consumo privado (con signo positivo y
elasticidad 1.63), población (con signo positivo y elasticidad 0.004) y nivel de precios (con signo negativo
y elasticidad 1.36). Estos resultados indican que el ajuste de las desviaciones del producto respecto de
su valor a largo plazo es posible debido al ajuste de precios hacia la baja. Esto refleja que durante el
periodo de análisis los desajustes del producto han sido de tipo “permanentes” de manera que han
incidido en una reducción de los precios; al reducir el nivel general de los precios se desestimula la
oferta y se estimula la demanda agregada. El carácter permanente de las desviaciones del producto
parece plausible ya que al ser permanente, los agentes económicos no corrigen hacia bajo las
desviaciones a través de la producción acorto plazo; si redujera el nivel de producción después de un
226
aumento de largo plazo o de carácter permanente, el resultado sería inconsistente con el
comportamiento racional que predomina en los agentes económicos.
El término de corrección de error del consumo privado (Ec.cp) indica que las desviaciones del consumo
son corregidas a través de la misma variable al año siguiente (la elasticidad en un año es de 1.22 lo que
indica que un aumento de 1% en el CP se reduce en menos de un año. Por otro lado, el signo positivo del
Ec.cp en la ecuación de corto plazo del producto con una elasticidad de 0.9 indica que los aumentos de
uno por ciento del consumo privado respecto de su nivel de largo plazo aumentan el producto en 0.9%
en un año. Por otro lado, los resultados evidencian un comportamiento teóricamente consistente del
comercio extrarregional; el aumento del consumo tiende a provocar aumento de la oferta de bienes y
servicios producidos en el exterior de manera inmediata (menos de un año).
En el caso de las desviaciones de la inversión privada respecto de sus valores de largo plazo (Ec.i), el
signo del Ec.i tiene el signo negativo esperado pero no es significativo estadísticamente. Las
desviaciones tienden a corregirse a través de las ecuaciones de corto plazo del producto y del consumo
privado. Las elasticidades son respectivamente 0.68 y 1.13 lo que evidencia un ajuste inmediato; esto
indicaría la presencia de un efecto inventario en el que los saldos positivos se corrigen a través de menor
producción.
El coeficiente del Ec.g tiene el signo negativo esperado pero no es significativo. Las desviaciones del
gasto público respecto de su trayectoria de largo plazo tienden a corregirse a través de reducciones del
nivel general de precios, lo cual es un resultado que no tiene un asidero teórico. Una posible explicación
podría ser que las compras del Estado se atienden mediante importaciones que compiten con bienes y
servicios producidos localmente generando una presión a bajar el nivel general de precios.
En cuanto a las variables rezagadas de las ecuaciones de corto plazo, el Anexo 4 indica las variables en
primeras diferencias rezagadas que resultaron significativas.
La ecuación de corto plazo del producto (DLY) se ajusta cuando se registran desviaciones de corto plazo
en el consumo privado y el comercio regional. En relación con la ecuación de corrección de errores del
comercio intrarregional, los coeficientes no resultaron significativos en ningún caso. La ecuación de
corto plazo del comercio extrarregional indica que esta regresión contribuye a la corrección de
desviaciones de corto plazo de la variable consumo privado.
Con estos resultados, se corrobora que el comercio internacional tiene un limitado papel en la dinámica
económica en Costa Rica y que el comercio extrarregional tiene un importante rol en el crecimiento
económico costarricense.
Análisis de causalidad de Granger y exogeneidad
El test de casualidad de Granger también arroja resultados similares a los de los países analizados
anteriormente, con la excepción que en Costa Rica. El test de Granger indica que el comercio
extrarregional sí causa o precede a los cambios en el crecimiento económico como se aprecia en el
siguiente cuadro.
Pairwise Granger Causality Tests
Date: 12/21/13 Time: 05:56
Sample: 1970 2011
227
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLW does not Granger Cause DLR
DLR does not Granger Cause DLW
38
0.76238
0.69936
0.5238
0.5596
DLY does not Granger Cause DLR
DLR does not Granger Cause DLY
38
0.26531
2.01788
0.8499
0.1318
DLY does not Granger Cause DLW
DLW does not Granger Cause DLY
38
0.44560
5.83456
0.7221
0.0028
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Los resultados indican que el crecimiento es exógeno débil pero no exógeno fuerte ya que el comercio
intrarregional genera cambios inversamente proporcionales en el crecimiento económico, lo que estaría
indicando que hay una causalidad desde el comercio regional al crecimiento económico. Por su parte
tanto el comercio intrarregional como el extrarregional presenta exogeneidad débil y fuerte, lo que
estaría indicando que no hay causalidad desde el crecimiento al comercio ni a corto ni a largo plazo.
Exogeneidad y causalidad Granger entre crecimiento económico y
comercio intra y extrarregional. Costa Rica
Corrección de errores:
D(LYPC)
D(LR)
D(LW)
Ec.ypc
0.021072
0.045282
0.512486
[ 0.05062]
[ 0.01169]
[ 0.28275]
2.350719
-0.55141
[ 0.61771]
[-0.30972]
-0.05565
1.368207
[-0.01882]
[ 0.98903]
D(LYPC(-1))
D(LYPC(-2))
D(LR(-1))
-0.08913
[-2.26054]
D(LR(-2))
*
-0.03907
[-1.44535]
D(LW(-1))
0.012282
[ 0.09822]
D(LW(-2))
0.018797
[ 0.19324]
228
Exogeneidad débil
Si
Si
Si
Exogeneidad fuerte
No
Si
Si
Causalidad de largo
plazo
No
No
No
Causalidad de corto plazo
Si
No
No
(*) Significativo al 1% o 5%
Análisis del VECM con restricciones de largo y corto plazo
El VECM estimado inicialmente no incluyo restricciones de largo y corto plazo en las matrices de
coeficientes de las ecuaciones de largo plazo y de corto plazo. Con el fin de intentar mejorar las
características estadísticas del VECM estimado, se procedió a imponer restricciones a los
coeficientes de las ecuaciones de cointegración siguiendo la nomenclatura B(r,k) donde r es la
ecuación de cointegración r-ésima y k representa las variables endógenas del vector autorregresivo
en niveles. Estas restricciones de largo plazo tendrían la siguiente forma:
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
D(LG) ecuación
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,4)=0, B(1,5)=0,
B(2,1)=0, B(2,2)=1, B(2,3)=0, B(2,4)=0, B(2,5)=0,
b(3,1)=0, B(3,2)=0, B(3,3)=1, B(3,4)=0, B(3,6)=0,
B(4,1)=0, B(4,2)=0, B(4,3)=0, B(4,4)=1,
229
Ecuaciones de corto plazo:
A(1,1)=0, A(1,4)=0,
A(2,4)=0,
A(3,1)=0, A(3,2)=0, A(3,3)=0, A(3,4)=0,
A(4,1)=0, A(4,2)=0, A(4,3)=0, A(4,4)=0,
A(5,1)=0, A(5,2)=0, A(5,3)=0, A(5,4)=0,
A(6,1)=0, A(6,3)=0, A(6,4)=0,
A(7,2)=0, A(7,3)=0, A(7,4)=0,
A(8,2)=0, A(8,3)=0,
Con la estimación del VECM con restricciones de largo plazo, se detectaron la aparición de
problemas de autocorrelación y normalidad pero la estabilidad del modelo se mantuvo igual que el
VECM sin restricciones. Posteriormente se incluyeron las restricciones de corto plazo lo que generó
que algunos coeficientes que antes eran significativos se volvieran no significativos reduciendo la
información recogida en la estimación del VECM sin restricciones. También se generó un fuerte
problema de autocorrelación y el modelo se volvió inestable como se aprecia en los gráficos. Por lo
que se mantiene el modelo sin restricciones como el mejor desde el punto de vista estadístico.
1. VECM sin restricciones
2. VECM con restricciones
Inverse Roots of AR Characteristic Polynomial
1.5
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
B.6 PANAMA
El caso de Panamá es especial en el sentido que no ha sido parte del Mercado Común Centroamericano
(MCCA) desde que inició a principios de los años 60 del siglo pasado. Sus niveles de comercio con
Centroamérica (El Salvador, Guatemala, Honduras, Nicaragua y Costa Rica) son bajos, como era de
esperar, en relación con los niveles de comercio extrarregional que maneja la economía panameña. El
dinamismo que le imprime el comercio extrarregional a la economía de Panamá debe observarse en la
magnitud y signo de los coeficientes de las ecuaciones de largo plazo que se estiman en el VECM
propuesto el cual incluye 8 variables: producto (Y), consumo privado (CP), inversión privada (I), gasto
230
público (G), comercio intrarregional (R), comercio extrarregional (W), población centroamericana y
panameña (POCAP) y la inflación (DP = deflactor del PIB). En la especificación del VECM para Panamá se
consideró la variable POCAP como exógena a diferencia de los otros países en los que se consideró
endógena. El periodo de datos anuales utilizado es el mismo que para los otros países (1970-2011).
Luego de confirmar la no estacionariedad de las 8 variables incluidas en el modelo de comercio
intrarregional y crecimiento económico y que sus primeras diferencias son estacionarias se procedió a
realizar la prueba de cointegración de Johansen, el cual sugirió la existencia de 8 ecuaciones de
cointegración basada en el test de la traza y 4 ecuaciones en el caso del test Max-eigenvalue (ver Anexo
2 en Adjunto sobre Panamá detalles del test). A continuación se estimó un VAR no restringido para
evaluar sus características de autocorrelación, normalidad y homocedasticidad de los errores estimados
para el vector y obtener una indicación del número de rezagos apropiados que deben considerarse en la
estimación del VECM a partir de varios criterios de información como el criterio de información de
Akaike y el de Schwartz. Los resultados se presentan en el Anexo 3 del adjunto para Panamá al final de
este Informe, los cuales indican la ausencia de autocorrelación, normalidad y homocedasticidad de los
errores estimados.
Posteriormente se estimó el VECM con 4 ecuaciones de cointegración y 2 rezagos. Debido a que el
número de observaciones no es suficiente, no se utilizaron 3 rezagos como lo sugieren los criterios de
información de Akaike y Schwartz. Los detalles de las pruebas de autocorrelación, normalidad y número
de rezagos del VAR no restringido se presentan en Anexo 3 del Adjunto de Panamá. Las pruebas de
autocorrelación y normalidad de los errores del VECM se presentan en el Anexo 5. El VECM se estimó
con intercepto pero sin tendencia, usando el método de mínimos cuadrados ordinarios. La pruebas
fueron superadas de manera solvente, es decir, se obtuvieron errores bien comportados de la
estimación del VECM.
Para el análisis de la relación entre el comercio intrarregional y extrarregional con el crecimiento
económico así como con el consumo y la inversión privada y resto de variables del modelo especificado,
se extraen del Anexo 4 las ecuaciones de cointegración o de largo plazo y las 7 ecuaciones de corto plazo
que incluyen los mecanismos de corrección de errores de los desequilibrios de largo plazo que se
desprenden de las 4 ecuaciones de cointegración sobre el producto o crecimiento, el consumo privado,
la inversión privada y el gasto público (ver ecuaciones de cointegración abajo). Las ecuaciones de corto
plazo estimadas son 7, las cuales corresponden a cada una de las variables endógenas incluidas en la
especificación del modelo VECM: DLY, DLCP, DLI, DLG, DLYRR, DLWR, LDP.
En la parte final del Anexo 4 se presenta una que contiene los estadísticos t y los p-value para cada
coeficiente de regresión e identificar cuáles son estadísticamente significativos y cuáles no. Cada
ecuación incluye 20 coeficientes; de estos, 14 corresponden a los dos valores rezagados de cada una de
las 7 variables del modelo (en primeras diferencias), 4 coeficientes correspondientes a los términos de
error de cada una de las cuatro ecuaciones de cointegración, y uno que corresponde al intercepto C(20).
Al final de este segundo grupo de resultados se incluyen las 7 ecuaciones de corto plazo que identifican
los coeficientes en orden secuencial del C(1) al C(168).
Análisis de resultados en base a las ecuaciones de largo plazo o de cointegración
Del VECM estimado presentado en el Anexo 4 se obtienen las 4 ecuaciones de largo plazo de las cuales
se obtienen los términos de corrección de error. Las relaciones de largo plazo contienen las variables
231
endógenas: producto, consumo privado, inversión y gasto público y se presentan y analizan a
continuación. En este orden se introdujeron las variables en el programa Eviews para estimar el VECM lo
que permitirá obtener cuatro ecuaciones de cointegración del producto, consumo privado, inversión
privada y gasto público, lo cual responde al propósito de estimar el impacto del comercio intrarregional
en esas variables a largo plazo; y si el consumo privado, la inversión privada y el gasto público son
canales de transmisión del comercio intrarregional. Este último se analiza más adelante con las pruebas
de causalidad de Granger y de exogeneidad débil y fuerte.
Ecuaciones de cointegración Panamá (largo plazo) con estadísticos t en paréntesis:
(1) y
=
2.76
- 0.76rr
(4.37)
(2) cp
=
2.61
- 0.76rr
(3.11)
(3) i
=
-31.08
(4) g
=
8.26
- 1.24rr
(6.07)
+ 1.14wr
(5.80)
+
1.08wr
(3.95)
+
4.14wr
(7.61)
+
0.67wr
(2.93)
La ecuación (1) muestra que el comercio intrarregional ejerce un impacto negativo en el crecimiento de
la economía panameña con una elasticidad de 0.76 que indica que un aumento de 1% en el comercio
intrarregional se traduce en una disminución del producto interno de 0.76%. Este hallazgo se explica en
parte porque el saldo de intercambio comercial de Panamá con Centroamérica tiende a ser deficitario y
por tanto reduce el PIB a través del déficit comercial que mantiene con Centroamérica. Este resultado
es similar al encontrado en Guatemala y Honduras donde el comercio intrarregional registra un impacto
negativo en la dinámica de las economías. La razón más plausible parece ser que el comercio se
concentra en bienes de consumo final lo cual no añaden valor al producto como se sugirió antes así
como por las balanzas comerciales deficitarias con la región en algunos años. Por otro lado, es notable el
impacto positivo del comercio extrarregional en el crecimiento; la elasticidad de 1.14 indica que 1% de
aumento del comercio hacia afuera de la región induce un crecimiento económico de 1.14%.
La ecuación del consumo privado (2) sugiere la presencia de un mecanismo de consumo privado o
efecto ingreso del comercio extrarregional, el cual incrementa el consumo y a través de este, de manera
indirecta, contribuye al crecimiento económico; la elasticidad en este caso es de 1.08. Nuevamente, el
comercio intrarregional genera un efecto negativo indicando que este comercio no genera ningún
impacto a través del canal del consumo; esto es congruente con el hecho que a mayor comercio
intrarregional se genera menor producto e ingreso para las familias, lo cual muy probablemente afecta
negativamente los niveles de consumo privado. Por su parte la ecuación de la inversión (3) indica que el
comercio intrarregional no participa en su determinación, mientras que el comercio extrarregional tiene
un impacto muy significativo; la elasticidad es de 4.14, indicando que un aumento del 1% en el comercio
fuera de la región induce un aumento de 4.14% en los niveles de inversión.
232
Finalmente la ecuación de cointegración del gasto público (4) indica la probable presencia de un canal
fiscal que aporta el comercio extrarregional en Panamá. La elasticidad de 0.67 refleja un impacto
importante del comercio en el gasto estatal. El comercio intrarregional con una elasticidad negativa con
valor de 1.24 con lo cual se compensa en parte el impacto del comercio extrarregional en el gasto
público.
Análisis de resultados en base a las ecuaciones de corto plazo o de corrección de errores
A continuación se presentan las 7 ecuaciones de corto plazo estimadas en el VECM las cuales incluyen
los términos de corrección de errores (Ec.y, Ec.cp, Ec.i, Ec.g) derivados de las cuatro ecuaciones de
cointegración; por razones de espacio solo se incluyen las ecuaciones de corto plazo con los términos de
corrección de errores. El detalle de las ecuaciones estimadas se encuentra en el Anexo 4 del Adjunto de
Panamá al final del Informe. El análisis se realiza primero con los coeficientes de los términos de
corrección de error ya que lo que interesa es el rol que juega el comercio intrarregional y extrarregional
en el ajuste de las desviaciones del crecimiento económico respecto de su valor de largo plazo.
Posteriormente se revisan las variables en primeras diferencias rezagadas que resultaron significativas
en las ecuaciones.
En base al estadístico t presentado entre corchetes para cada coeficiente de regresión se determinó la
significancia de los términos de corrección de errores (los estadísticos significativos estadísticamente se
marcan en amarillo). De un total de 32 coeficientes de los términos de corrección de errores, diez
resultaron estadísticamente significativos de los cuales cinco presentan signo negativo, contribuyendo a
la corrección de las desviaciones de las variables del sistema de ecuaciones de largo plazo. A fin de
probar la robustez de los coeficientes con signo negativo se realizaron pruebas de coeficientes con el
test de Wald. Todos los coeficientes resultaron ser estadísticamente robustos (ver Anexo 7 del adjunto
de Panamá).
Se observa que las desviaciones del producto respecto de su valor de largo plazo son corregidas
mediante la ecuación de corto plazo de la inversión y del comercio con la región (intrarregional)54.
Además de la ecuación de corto plazo de corrección de errores del comercio intrarregional, las
ecuaciones del producto y de la inversión contribuyen a corregir las desviaciones de las variables
cointegradas. Las desviaciones del consumo respecto de su trayectoria de largo plazo se ajusta mediante
aumentos del producto (DLY), inversión (DLI), comercio intrarregional (DLRR) y comercio extrarregional.
Al parecer, las desviaciones de largo plazo se consideran como movimientos permanentes que tienden a
generar ajustes hacia arriba en ciertas variables, lo que reduce la brecha entre el valor observado del
crecimiento y los valores estimados mediante las ecuaciones de cointegración. Los desajustes de la
inversión y el gasto público generan reducciones en el producto, inversión y comercio extrarregional
contribuyendo de esta manera a corregir los desequilibrios.
Correción de Errores:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LDP)
Ec.y
0.177024
0.571910
3.029411
0.256984
-1.887516
0.495521
0.050666
54
Panamá no es socio país firmante del Tratado General de Integración Económica Centroamericana, de modo que
su comercio con Centroamérica se ve limitado por aspectos arancelarios en comparación con el resto de países
analizados.
233
(0.27914)
[ 0.63419]
(0.60227)
[ 0.94959]
(1.05894)
[ 2.86080]
(0.44811)
[ 0.57348]
(0.48194)
[-3.91648]
(0.59863)
[ 0.82776]
(0.23203)
[ 0.21836]
Ec.cp
0.539631
(0.22168)
[ 2.43425]
-0.742424
(0.47831)
[-1.55218]
3.105881
(0.84098)
[ 3.69316]
-0.046820
(0.35588)
[-0.13156]
1.356825
(0.38275)
[ 3.54497]
1.195049
(0.47542)
[ 2.51369]
0.134148
(0.18428)
[ 0.72797]
Ec.i
-0.253021
(0.06938)
[-3.64702]
-0.031900
(0.14969)
[-0.21310]
-1.516676
(0.26319)
[-5.76261]
-0.008567
(0.11138)
[-0.07692]
-0.049827
(0.11978)
[-0.41597]
-0.285947
(0.14879)
[-1.92188]
-0.096190
(0.05767)
[-1.66791]
Ec.g
-0.141679
(0.13294)
[-1.06574]
0.354574
(0.28683)
[ 1.23617]
-3.221136
(0.50432)
[-6.38705]
-0.127741
(0.21342)
[-0.59855]
-0.103610
(0.22953)
[-0.45141]
-0.721660
(0.28510)
[-2.53126]
-0.057627
(0.11051)
[-0.52147]
La ecuación de corrección de errores del producto se ajusta hacia la baja o hacia al alza cuando se
producen cambios de corto plazo en el producto, inversión, precios y población (ver Anexo 4 del adjunto
de Panamá). La ecuación del comercio intrarregional genera efectos de ajuste cuando se producen
cambios en el corto palo en las variables inversión, gasto público y comercio regional. También
contribuye a la corrección de desviaciones el comercio extrarregional; esto ocurre cuando se producen
variaciones de corto plazo en el consumo privado, inversión, gasto público, comercio intrarregional,
precios y población.
Análisis de causalidad de Granger y exogeneidad
La prueba de causalidad de Granger arroja resultados similares a los obtenidos respecto de los otros
países centroamericanos. La prueba no pudo rechazar las hipótesis de que el comercio intrarregional y
el comercio extrarregional no causan o preceden al crecimiento económico.
La prueba sin embargo, evidencia que el crecimiento si causa al comercio intrarregional.
Pairwise Granger Causality Tests
Date: 12/21/13 Time: 11:18
Sample: 1970 2010
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
37
0.12522
5.44739
0.9445
0.0041
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
37
0.79122
2.06534
0.5084
0.1259
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
37
0.95600
0.46745
0.4262
0.7072
A fin de complementar la prueba de causalidad de Granger se analizó la exogeneidad del crecimiento
(DLY) respecto del comercio intrarregional y extrarregional (DLRR y DLWR), y entre el comercio intra y
234
extrarregional respecto del crecimiento. La tabla siguiente presenta los resultados en base a los
coeficientes de las ecuaciones de corto plazo de corrección de errores.
Los resultados indican que el crecimiento es exógeno débil y fuerte respecto del comercio intra y
extrarregional. Por su parte el comercio intrarregional es exógeno débil pero no fuerte respecto del
producto, indicando que existe causalidad a largo plazo desde el crecimiento al comercio intrarregional.
En el caso del comercio extrarregional, este aparece como exógeno débil y fuerte respecto del
crecimiento económico. Estos resultados concuerdan con los arrojados por la prueba de causalidad de
Granger.
Exogeneidad y causalidad Granger entre crecimiento económico y comercio
intra y extrarregional. Panamá
Corrección de errores:
D(LY)
D(LRR)
D(LWR)
Ec.y
0.177024
-1.88752
0.495521
[ 0.63419]
[-3.91648]
D(LY(-1))
D(LY(-2))
D(LRR(-1))
*
[ 0.82776]
1.187411
-0.94458
[ 1.85221]
[-1.18622]
-0.99676
-1.10918
[-1.79060]
[-1.60417]
No
Si
Si
Si
-0.11054
[-1.38730]
D(LRR(-2))
0.062108
[ 0.81785]
D(LWR(-1))
-0.08175
[-0.68566]
D(LWR(-2))
0.008303
[ 0.07280]
Exogeneidad débil
Exogeneidad fuerte
Si
Si
Causalidad de largo plazo
No
Si
No
Causalidad de corto plazo
No
No
No
(*) Significativo al 1% o 5%
Análisis del VECM con restricciones de largo y corto plazo
Al igual que con las estimaciones de los otros países de la región, el VECM estimado inicialmente no
incluyó restricciones de largo y corto plazo en las matrices de coeficientes de las ecuaciones de
largo plazo y de corto plazo. Con el fin de intentar mejorar las características estadísticas del VECM
estimado, se procedió a imponer restricciones a los coeficientes de las ecuaciones de cointegración
siguiendo la nomenclatura B(r,k) donde r es la ecuación de cointegración r-ésima y k representa las
235
variables endógenas del vector autorregresivo en niveles.
tendrían la siguiente forma:
B(r,1)*LY + B(r,2)*LCP + B(r,3)*LI + B(r,4)*LG +
B(r,8)*LDP
Estas restricciones de largo plazo
B(r,5)*LRR + B(r,6)*LWR + B(r,7)*LPOCA +
También se procedió a imponer restricciones a los mecanismos de corrección de error en cada
ecuación de corto plazo de las variables endógenas en primeras diferencias; usando la
nomenclatura (A(k,r). Esta nomenclatura es el coeficiente de la relación de cointegración r-ésima
en la ecuación k-ésima del VECM y donde:
k=1
k=2
k=3
k=4
k=5
k=6
k=7
k=8
D(LY) ecuación
D(LCP) ecuación
D(LI) ecuación
D(LG) ecuación
D(LRR) ecuación
D(LWR) ecuación
D(LPOCA) ecuación
D(LDP) ecuación
Las restricciones impuestas surgen de la estimación del VECM que originalmente se estimó sin
restricciones. Se establecen en cero los coeficientes que resultaron no significativos en la
estimación inicial del VECM (ver Anexo 5 del adjunto del país). Las restricciones son:
Ecuaciones de cointegración o largo plazo:
B(1,1)=1, B(1,2)=0, B(1,3)=0, B(1,4)=0, B(1,7)=0,
B(2,1)=0, B(2,2)=1, B(2,3)=0, B(2,4)=0, B(2,7)=0,
b(3,1)=0, B(3,2)=0, B(3,3)=1, B(3,4)=0, B(3,5)=0, B(3,7)=0,
B(4,1)=0, B(4,2)=0, B(4,3)=0, B(4,4)=1, B(4,7)=0,
Ecuaciones de corto plazo:
A(1,1)=0, A(1,4)=0,
A(2,1)=0, A(2,2)=0, A(2,3)=0, A(2,4)=0,
A(4,1)=0, A(4,2)=0, A(4,3)=0, A(4,4)=0,
A(5,3)=0, A(5,4)=0,
A(6,1)=0,
A(7,1)=0, A(7,2)=0, A(7,3)=0, A(7,4)=0
Cuando se estima el VECM con restricciones de largo plazo indicadas arriba, algunos coeficientes se
vuelven no significativos con lo cual se pierde información importante en el proceso de generación
de datos. Sin embargo, el modelo es estable de acuerdo al gráfico y tabla delas raíces inversas del
polinomio característico. A continuación se aumentaron las restricciones al incluir las restricciones
de corto plazo indicadas anteriormente. El VECM estimado con restricciones de largo y corto plazo
presenta problemas de autocorrelación, al menos un coeficiente se vuelve no significativo, aunque
el modelo continua siendo estable según se aprecia a continuación en los gráficos de raíces inversas
236
del polinomio característico. Como resultado, el VECM sin restricciones presenta un mejor
comportamiento estadístico que el modelo con restricciones.
1. VECM sin restricciones
2. VECM con restricciones
Inverse Roots of AR Characteristic Polynomial
Inverse Roots of AR Characteristic Polynomial
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
V. CONCLUSIONES PRIN CIPALES
La metodología de medición del impacto del comercio intrarregional en las economías centroamericanas
que es considerada la más robusta y confiable debería incluir una técnica cuasi-experimental, en la cual
se comparan dos grupos, uno sujeto al tratamiento de política económica o programa público y otro
grupo de control que es muy similar al primer grupo (de tratamiento) pero que se diferencia del grupo
de tratamiento porque no recibe los beneficios del tratamiento o intervención de política. Sin embargo,
esta metodología requiere mucha información y recursos. Generalmente se requiere la realización de
encuestas al menos en dos periodos diferentes en el tiempo que permita un lapso entre las dos
encuestas que sea suficientemente largo para que se produzcan los impactos que se desean medir en las
variables objetivo. Dado los costos y el tiempo que esta metodología cuasi-experimental involucra, se
recomienda hacer un esfuerzo posterior a esta consultoría de implementar esta metodología. La gran
ventaja de la metodología cuasi-experimental es que permite medir y atribuir con bastante exactitud los
impactos derivados de ciertas intervenciones de política o variables económicas. Sin embargo, existen
otras metodologías que utilizan técnicas econométricas que son una buena alternativa o complemento
de las metodologías cuasi-experimentales y que requieren menos presupuesto y tiempo de ejecución.
En este sentido, considerando el tiempo de la consultoría y su requerimiento de aplicar una metodología
de medición del impacto del comercio intrarregional en el crecimiento económico, se propuso una
metodología alternativa econométrica factible de ser implementada durante el tiempo de la consultoría
y que produce resultados confiables y robustos. La metodología propuesta e implementada en este
237
Informe es la estimación de vectores autorregresivos con corrección de errores (VECM por sus siglas en
ingles), la cual es una metodología econométrica muy utilizada en el campo de la economía y
particularmente en el tema de comercio internacional y en la investigación de mecanismos de
transmisión de las variables económicas. Su ventaja principal es que considera la simultaneidad que
caracteriza a las variables económicas y permite utilizar criterios empíricos extraídos del
comportamiento de las variables en la realidad sin necesidad de recurrir a la teoría. Esta es una ventaja
de gran importancia porque en muchos casos la teórica no ofrece suficiente información para
especificar los modelos matemáticos y estadísticos necesarios para medir el impacto de una variable
económica sobre otras.Esta técnica permite estimar los impactos de largo plazo de unas variables sobre
otras de manera simultánea de modo que las estimaciones resultan más exactas y creíbles porque
consideran la simultaneidad que caracteriza a las variables económicas. Así mismo, la técnica VECM
utiliza variables económicas que tienen relaciones con sentido económico (no espurias) a largo plazo.
Además de cuantificar los efectos a largo plazo, la técnica VECM permite cuantificar los efectos de corto
plazo entre las variables económicas. Se trata de medir si ante una desviación de una variable respecto
de su valor de equilibrio de largo plazo, otra variable u otras variables se reducen para hacer volver a la
variable “desviada” a su valor de equilibrio de largo plazo. Las variables que disminuyen contribuyen al
ajuste del error y las variables que aumentan, amplían la desviación y refuerzan su impacto sobre una
variable. Por ejemplo, si el comercio intrarregional impacta positivamente el crecimiento económico a
largo plazo y ocurre que el crecimiento aumenta por encima de su valor de equilibrio de largo plazo, y
también ocurre que el comercio intrarregional crece (el término de corrección de errores tiene signo
positivo en la ecuación de corto plazo del comercio intrarregional), se estaría ante la presencia de una
relación positiva de corto y largo plazo entre la variable crecimiento y comercio intrarregional.
Los estudios empíricos sobre los efectos del comercio internacional en la región centroamericana no han
considerado analizar el impacto del comercio intrarregional versus los efectos macroeconómicos del
comercio extrarregional. En este sentido, la implementación de la metodología VECM en esta
consultoría incluyó en el análisis tanto el comercio intrarregional como el comercio extrarregional a fin
de determinar el impacto separado del comercio intrarregional y extrarregional en el crecimiento
económico. Los resultados provenientes de la aplicación de la metodología VECM sugieren la presencia
de impactos contrapuestos del comercio regional y extrarregional en la dinámica de las economías de la
región, resultados que ya han sido reportados en otros estudios empíricos con países que pertenecen a
otras áreas de integración económica como la europea (Banda, Dubes y Wooster (2006)).
La técnica VECM implementada para los seis países de la región (Guatemala, El Salvador, Honduras,
Nicaragua, Costa Rica y Panamá) permitió encontrar evidencia que reafirma, aunque con matices, la
teoría según la cual el comercio intrarregional afecta positivamente el crecimiento económico de
manera directa e indirecta; también se encontró evidencia que el impacto del comercio extrarregional
es mayor que el del comercio intrarregional en todos los países analizados. Esto parece responder a la
diferencia del tamaño del mercado regional versus el mercado extrarregional y a la composición de las
importaciones regionales que tienden a caracterizarse por su concentración en bienes de consumo final
que no aportan significativamente a la dinámica de crecimiento. Algunos estudios empíricos sobre
Centroamérica que analizan los niveles existentes de comercio intrarregional concluyen que los niveles
de comercio de la región se encuentra por debajo de los niveles de comercio intrarregional de otros
países con características similares de otras regiones como Asia y Europa. En un estudio sobre 13 países
de la Unión Europea se encuentra un resultado similar al de esta investigación. Banda, Dube y Wooster
(2006) analizaron la diferencia del impacto económico del comercio intrarregional y extrarregional y
encontraron evidencia que el efecto del primero es menor que el impacto del segundo. Estos hallazgos
son congruentes con los resultados de la aplicación de la metodología propuesta en esta consultoría,
238
según los cuales el comercio intrarregional tiene un impacto menor en el crecimiento comparado con el
del comercio extrarregional. La recomendación general que se desprende es que los países del área
deben profundizar y/o crear los mecanismos que eleven los niveles de integración económica de la
región para aprovechar al máximo los beneficios de la integración económica regional sin descuidar los
logros alcanzados y por alcanzar en materia de comercio extrarregional.
La Tabla 1 resume los hallazgos derivados de la implementación de la metodología econométrica que
utiliza la técnica de vectores autorregresivos de corrección de errores VECM en términos del impacto del
comercio intra y extrarregional en el crecimiento económico, consumo e inversión privada.
Tabla 1. Impacto del comercio intrarregional y extrarregional en las economías centroamericanas a
largo plazo.
COMERCIO INTRARREGIONAL
COMERCIO EXTRARREGIONAL
PAIS
Crecimiento Consumo
Inversión Crecimiento
Consumo
Inversión
Guatemala
-0.06
0.19
0.25
0.04
0.83
El Salvador
0.16
0.11
0.36
0.32
0.29
0.45
Honduras
-0.13
0.43
0.40
0.30
-0.23
Nicaragua
0.22
0.48
-0.39
1.10
1.45
-0.75
Costa Rica
0.13
0.33
0.13
Panamá
-0.76
-0.76
1.14
1.08
4.14
Nota: Elaboración del autor. Casilla sin información significa que la variable comercio no resulto
significativa al 5% o 1% en la regresión respectiva de cointegración.
Las elasticidades reportadas en la Tabla 1 se extrajeron de las ecuaciones de largo plazo estimadas para
cada país; estas ecuaciones también se conocen como ecuaciones de cointegración lo cual indica que el
conjunto de variables que entran en el modelo evolucionan de manera “acompasada”, es decir, que a
largo plazo las diferencias en sus trayectorias se mantienen. Los resultados claramente indican que el
impacto del comercio intrarregional en el crecimiento económico es menor que el impacto del comercio
extrarregional. Adicionalmente, se observa que el comercio intrarregional impacta negativamente en 4
países (Guatemala, Honduras, Costa Rica y Panamá). Esto podría explicarse porque el componente de
importaciones que forma parte del flujo comercial es mayor que el de las exportaciones (déficit en saldo
comercial) y porque las importaciones de bienes de capital no tienen alto contenido tecnológico y por lo
tanto no impactan significativamente en los niveles de productividad y crecimiento de los países. En el
caso de Panamá, por ejemplo, destaca el hecho que su balanza comercial con Centroamérica es
deficitaria consistentemente.
Los resultados también evidencian que el comercio intrarregional impacta positivamente en el
crecimiento de manera indirecta a través de los canales de transmisión del consumo e inversión privada
en la mayoría de países, aunque el impacto del comercio extrarregional en estas variables que
representan canales importantes de contribución al crecimiento económico de los países es mayor.
La Tabla 2 presenta los efectos de corto plazo del comercio intrarregional y extrarregional en el
crecimiento, consumo e inversión privada a corto plazo. Un signo negativo significa que el comercio
intra o extrarregional se reducen cuando las variables crecimiento, consumo e inversión aumentan por
encima de sus valores de largo plazo, generando de esa manera un efecto de corrección de errores. El
signo positivo indica que el comercio intra o extrarregional aumentan ante dichas desviaciones, lo que
significa que en este caso no hay un rol de corrección de errores, es decir de las desviaciones de las
variables respecto de sus valores de largo plazo. Esta situación implica que en la práctica los cambios en
239
el crecimiento económico pueden ser vistos por los agentes económicos como oportunidades que
deben aprovecharse. Después de todo, si una empresa puede producir y exportar, por ejemplo porque
tiene capacidad ociosa, es probable que aproveche la oportunidad de negocios temporal.
Tabla 2. Impacto del comercio intrarregional y extrarregional en economías centroamericanas a corto
plazo.
COMERCIO INTRARREGIONAL
Crecimiento Consumo
Inversión
+
+
+
-
COMERCIO EXTRARREGIONAL
Crecimiento Consumo
Inversión
+
+
+
PAIS
Guatemala
El Salvador
Honduras
Nicaragua
Costa Rica
+
Panamá
+
+
Nota: Elaboración del autor. Signo negativo significa que existe corrección de errores; signo positivo
indica que la respuesta del comercio es a ampliar la desviación respecto del crecimiento. Casilla sin
información significa que el término de corrección no fue significativo.
La evidencia muestra que el comercio intrarregional corrige los “errores del crecimiento” económico en
Honduras y Costa Rica y de la inversión privada en El Salvador; mientras que tiende a incrementar las
desviaciones del consumo en Guatemala y Panamá; y de la inversión en Honduras y Costa Rica,
generando así efectos positivos en el crecimiento de manera directa (en El Salvador) o de forma
indirecta (mediante los canales de transmision) a través del consumo e inversión. Por su parte el
comercio extrarregional contribuye a restaurar el equilibrio a través de reducciones en el crecimiento
económico (Honduras), el consumo (El Salvador), y la Inversión (Guatemala y Panamá).
La metodología VECM implementada arroja resultados que sugieren la necesidad de profundizar los
mecanismos e instrumentos de la integración económica en la región; esto podría tener mejores
resultados si se estimula la inversión privada en el uso de tecnologías de producción y comercio más
desarrolladas que las que se utilizan actualmente.
La metodología VECM puede implementarse en cada país del área centroamericana para darle
seguimiento a los efectos del comercio intrarregional en la dinámica de las economías y derivar del
análisis, recomendaciones de política comercial apropiadas y oportunas que conlleven a un mayor
impacto económico y aprovechamiento de los beneficios potenciales de una integración económica
regional.
Si es posible se debe capacitar en esta y otras metodologías a los asesores y analistas de los ministerios
a cargo del comercio (política comercial y administración de tratados comerciales) así como a los
técnicos de las oficinas que producen la información primaria con el fin de incentivar la producción de
información, oportuna y de calidad en apoyo a la toma de decisiones.
240
BIBLIOGRAFIA
80) Abbas, Shujaat (2012), Causality between Exports and Economic Growth: Investigating Suitable
Trade Policy for Pakistan, Eurasian Journal of Business and Economics 2012, 5 (10), 91-98.
81) Arias, Eilyn y Carlos Torres (2004), Modelos VAR y VECM para el pronóstico de corto plazo
82) de las importaciones de Costa Rica, Banco Central, Documento de Investigación DIE-01-2004-DI,
San José, Costa Rica.
83) Alesina, A., and R. Wacziarg, 1998, “Openness, Country Size, and Government,” Journal of Public
Economics, Vol. 69, No. 3, pp. 305–321
84) Álvarez, Mariano et all (2008),Acuerdo de Asociación Centroamérica – Unión Europea:
Evaluación utilizando Equilibrio General Computable y Equilibrio Parcial, CEPAL, Documento de
Proyecto.
85) Aquino, Luis y Carlos Sanabria (2007), Modelo Macro econométrico de Pequeña escala para El
Salvador, Banco Central de El salvador, Documentos Ocasionales No. 2007 – 03
86) Arellano, Manuel and Stephen Bond, (1991), "Some Tests of Specification for Panel Data: Monte
Carlo Evidence and an Application to Employment Equations," Review of Economic Studies, 58,
277-297.
87) Balassa, Bela (1980), Teoría de la Integración Económica, Primera Edición, Uteha, Mexico.
88) Ricardo, David (1974), "Are Government Bonds Net Wealth?" [Son riqueza neta los bonos del
gobierno?],Journal of Political Economy (Vol. 82, No. 6. (Nov. - Dec., 1974), pp. 1095-1117
89) Banda, Tepa; Dube y Wooster (2006), The contribution of intrarregional and extraregional trade
to growth: Evidence from the European Union, University of Portland, [email protected];
[email protected]; and [email protected].
90) Barrot, Diego; Stephanie Medina y, Andrew Swiston (2012), Central America, Panama, and the
Dominican Republic: Trade Integration and Economic Performance, IMF Working Paper
91) Bhagwati, Jagdish (1988), “Protectionism”. Cambridge MA: MIT Press, 1988
92) Bello, Oknan (2007), Modelo Macro econométrico de Proyección de Corto Plazo para Nicaragua,
Banco Central de Nicaragua, Documentos de Trabajo.
93) Cankarahasan, Burhan(2009), Causal links between trade and economic growth. Evidence from
Turkey and EU countries, Istambul Bilgi University of Turkey.
94) Carrá, Beatriz et all (2002), Analisis Microeconomico. Equilibrio Parcial. Primera Edicion,
Ediciones Macchi, Buenos Aires.
95) Carrera, Feliz y Panigo (s/a), Una Medición de los Canales de Transmisión de las Fluctuaciones
Económicas. El caso de Argentina y los Estados Unidos, Centro de Asistencia a las Ciencias
Económicas y Sociales (UBA), Departamento de Economía (UNLP) y PIETTE (CONICET).
96) Ching, Steve; Cheng Hsiao y Shui Ki Wan (2010), A Panel Data Approach for Program Evaluation
— Measuring the Benefits of Political and Economic Integration of Hong Kong with Mainland
China, August 30, 2010. email: [email protected], H. Steve Ching, City University of Hong Kong,
Feng Chia University, Taiwan, email: [email protected], (c)Shui Ki Wan, Hong Kong Baptist
University, email: [email protected].
97) Dornbusch, Rudiger and Leslie Helmers EDITORS (1988), The Open Economy. Tools for
policymakers in developing countries. The World Bank, Oxford University Press.
241
98) Fernández, Adolfo y P. Pérez (sin año), ¿Integración o apertura comercial? Disparidad de los
efectos sobre el crecimiento, Working Paper 7th Volume, Número 6.
99) Flores Sarria, Alfredo Ibrahim (2013), Perturbaciones internas y externas en pequeñas
economías abiertas: un análisis de equilibrio general para el caso de Nicaragua (1994-2011),
Banco Central de Guatemala, Working Papers No. 127
100)
Galindo, Miguel (2003), Modelos econométricos para los países de Centroamérica,
CEPAL, LC/MEX/L.581
101)
Gámez, Oscar (2010), Modelo de Equilibrio General Computable para Nicaragua, Banco
Central de Nicaragua, Documento de Trabajo 02 – 2010, Managua.
102)
García Núñez, Luis (2011), Econometría de evaluación de impacto, Pontificia Universidad
Católica del Perú, Economía Vol. XXXIV, N° 67, semestre enero-junio 2011, pp. 81-125
103)
Gordillo, Marcelo; Aiga Stokenberga y Jordan Schwartz (2010), Understanding the
Benefits of Regional Integration to Trade: The Application of a Gravity Model to the Case of
Central America, Policy Research Working Paper 5506, Washington D.C.
104)
Helpman, E., M. Melitz and Y. Rubinstein (2005): Trading Partners and Trading Volumes.
March 31
105)
Iraheta, Manuel (2008), Modelo macro econométrico Regional II, SECMCA, Documento
de Trabajo SECMCA II – 2612, San José, Costa Rica.
106)
Iraheta, Manuel, Eduardo Espinoza y Armando Sánchez (2012), Modelo econométrico
para el crecimiento económico y la inflación en Centroamérica y República Dominicana.
Documento de Trabajo SECMCA 01-2012, San José, Costa Rica.
107)
Kahya, Mustafa (2011), An analysis of the relationship between foreign trade and
economic growth in Turkey over the period 1980-2009, [email protected]
108)
Khandker, Shahidur; Gayatri Koolwal y Hussain Samad (2010), Handbook on Impact
Evaluation. Quantitative Methods and Pactices World Bank, Washignton D.C.
109)
Krugman, Paul R. y Maurice Obstfeld (1999), Economía Internacional. Teoría y Política,
Cuarta Edición, McGraw-Hill, México.
110)
Larraín, Felipe y Jeffrey Sachs ( ), Macroeconomía en la economía global, 2003, Prentice
Hall
111)
Maddala, G. S. y Ellen Miller (1991), Microeconomía, McGraw-Hill, México
112)
Organización Mundial del Comercio (2004), Informe Sobre el Comercio Mundial.
113)
Rahmaddi, Rudy (2011), Export and economic growth in Indonesia: A causality Approach
based on Multi-variate Error Correction Model, Hiroshima University, Japan.
114)
Rodriguez, R. y D. Rodrik (2001), Trade and economic growth. A skeptics guide to the
cross-national evidence, NBER Macroeconomic Annual 2000, Vol. 15.
115)
Sánchez, Marco V. (2009), Apertura comercial y pobreza en Centroamérica: logros y
desafíos,Revista de la CEPAL 98
116)
Sánchez, Marco Vinicio (2000 ), Impacto de la eliminación de los CAT y del otorgamiento
de otros incentivos de política comercial: Un análisis cuantitativo de EGC, Economía y Sociedad,
No 14,
117)
Sánchez León, Sarahí (2010), Crecimiento económico y comercio exterior de México en
el marco del tratado de libre comercio con américa del norte, TLCAN, 1994-2008. Tesis de
Maestría en Economía Aplicada, Tijuana B.C., México.
118)
Sims, Christopher (1980), Macroeconomics and Reality, Econometrica, Vol. 48, No. 1, pp.
1-48.
242
119)
Medina, Stephanie, Andrew Swiston, and Luis-Diego Barrot (2012), Central America,
Panama, and the Dominican Republic: Trade Integration and Economic Performance, IMF WP
12/234
120)
Toledo, Wilfredo (2012), Una introducción a la econometría con datos de panel,
Universidad de Puerto Rico, Recinto de Río Piedras , Ensayos y Monografías , Número 152
121)
Trejos, Alberto (2009), Instrumentos para la evaluación del impacto de acuerdos
comerciales internacionales. Aplicación a países pequeños de América latina, CEPAL, Serie
Estudios y Perspectivas 110, México D.F.
122)
Variant, Hal R. (2010), Intermediate Microeconomics, A modern Approach. Eight
Edition, University of California at Berkeley, W. W. Norton & Company.
123)
Walde, Klaus and Christina Wood (2004), The empirics of trade and growth: where are
the policy recommendations?. Directorate-General for Economic and Financial Affairs, The
World Bank.
124)
Villalobos, María (2010), Estimación del impacto de un Acuerdo de Asociación entre
Centroamérica y la Unión Europea: una aplicación de un modelo gravitacional de comercio para
el caso de Costa Rica, Universidad de Costa Rica, San José
243
ADJUNTOS DE LOS PAISES: PRUEBAS ECONOMETRICAS
244
ADJUNTO SOBRE GU ATEM ALA
245
GUATEMALA
ANEXO 1 RAICES UNITARIAS
PRODUCTO
Null Hypothesis: LY has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-4.095952
-4.198503
-3.523623
-3.192902
0.0130
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY)
Method: Least Squares
Date: 12/08/13 Time: 21:35
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LY(-1)
C
@TREND(1970)
-0.570457
2.228543
0.007210
0.139273
0.538701
0.001930
-4.095952
4.136880
3.736078
0.0002
0.0002
0.0006
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.312689
0.276514
0.040619
0.062696
74.72556
8.643945
0.000805
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.014634
0.047754
-3.498808
-3.373424
-3.453150
1.981270
CONSUMO PRIVADO
Null Hypothesis: LCP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.127713
-4.198503
-3.523623
-3.192902
0.1136
246
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LCP)
Method: Least Squares
Date: 12/08/13 Time: 21:36
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LCP(-1)
C
@TREND(1970)
-0.427164
1.630190
0.005872
0.136574
0.517687
0.001878
-3.127713
3.148989
3.127487
0.0034
0.0032
0.0034
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.206922
0.165181
0.032695
0.040621
83.62286
4.957298
0.012218
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.014634
0.035784
-3.932822
-3.807439
-3.887165
1.921606
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 4 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.888861
-4.226815
-3.536601
-3.200320
0.1775
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/08/13 Time: 21:56
Sample (adjusted): 1975 2011
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LI(-1)
D(LI(-1))
D(LI(-2))
D(LI(-3))
D(LI(-4))
-0.348028
0.129590
0.208426
0.248336
0.357964
0.120472
0.169332
0.169439
0.179297
0.172522
-2.888861
0.765299
1.230096
1.385052
2.074891
0.0071
0.4501
0.2282
0.1763
0.0467
247
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
1.078378
0.003616
0.250998
0.101197
0.058201
0.101621
56.60153
1.675549
0.161447
0.367971
0.001671
2.930610
2.164288
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0064
0.0385
0.010811
0.061390
-2.681164
-2.376396
-2.573719
1.894384
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 3 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.507037
-4.219126
-3.533083
-3.198312
0.0529
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/08/13 Time: 21:57
Sample (adjusted): 1974 2011
Included observations: 38 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
D(LG(-1))
D(LG(-2))
D(LG(-3))
C
@TREND(1970)
-0.883200
0.344883
0.182452
0.162642
2.254850
0.015401
0.251836
0.222376
0.187892
0.170327
0.634501
0.004435
-3.507037
1.550902
0.971050
0.954883
3.553736
3.472688
0.0014
0.1308
0.3388
0.3468
0.0012
0.0015
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.342383
0.239630
0.039806
0.050706
71.84707
3.332103
0.015558
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.018421
0.045650
-3.465635
-3.207069
-3.373639
2.087622
COMERCIO INTRARREGIONAL
248
Null Hypothesis: LR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 9 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.587848
-4.273277
-3.557759
-3.212361
0.7754
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/08/13 Time: 21:58
Sample (adjusted): 1980 2011
Included observations: 32 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
D(LR(-1))
D(LR(-2))
D(LR(-3))
D(LR(-4))
D(LR(-5))
D(LR(-6))
D(LR(-7))
D(LR(-8))
D(LR(-9))
C
@TREND(1970)
-0.320618
-0.463372
-0.352111
0.118831
0.609888
0.492706
0.266465
-0.099559
-0.455688
-0.362351
0.653229
0.013272
0.201920
0.237171
0.191198
0.176824
0.173623
0.214738
0.219974
0.228142
0.212140
0.198345
0.411122
0.006570
-1.587848
-1.953749
-1.841600
0.672034
3.512715
2.294448
1.211344
-0.436393
-2.148052
-1.826870
1.588895
2.020072
0.1280
0.0649
0.0804
0.5093
0.0022
0.0327
0.2399
0.6672
0.0441
0.0827
0.1278
0.0570
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.662498
0.476872
0.069312
0.096083
47.52649
3.568989
0.006586
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.028125
0.095830
-2.220405
-1.670754
-2.038212
1.897510
Null Hypothesis: LR has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 3 (Newey-West using Bartlett kernel)
Phillips-Perron test statistic
Test critical values:
1% level
Adj. t-Stat
Prob.*
-2.242367
-4.198503
0.4546
249
5% level
10% level
-3.523623
-3.192902
*MacKinnon (1996) one-sided p-values.
Residual variance (no correction)
HAC corrected variance (Bartlett kernel)
0.007075
0.006383
Phillips-Perron Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/08/13 Time: 22:04
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
C
@TREND(1970)
-0.255386
0.584137
0.008484
0.109116
0.238645
0.003712
-2.340501
2.447724
2.285692
0.0246
0.0191
0.0279
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.126768
0.080809
0.087371
0.290083
43.32228
2.758257
0.076113
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.034146
0.091131
-1.966941
-1.841557
-1.921283
2.127969
COMERCIO EXTRARREGIONAL
Null Hypothesis: LW has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.815743
-4.205004
-3.526609
-3.194611
0.2003
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LW)
Method: Least Squares
Date: 12/08/13 Time: 22:07
Sample (adjusted): 1972 2011
250
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LW(-1)
D(LW(-1))
C
@TREND(1970)
-0.291943
-0.097860
0.880541
0.008500
0.103683
0.153953
0.288778
0.003516
-2.815743
-0.635649
3.049190
2.417159
0.0078
0.5290
0.0043
0.0208
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.230305
0.166164
0.067957
0.166254
52.90481
3.590593
0.022806
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.040000
0.074421
-2.445240
-2.276352
-2.384176
1.989809
POBLACION TOTAL DE CENTROAMERICA (EXCLUYE PANAMA)
Null Hypothesis: LPOCA has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.190199
-3.621023
-2.943427
-2.610263
0.2130
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCA)
Method: Least Squares
Date: 12/7/13 Time: 13:40
Sample (adjusted): 1975 2011
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCA(-1)
D(LPOCA(-1))
D(LPOCA(-2))
D(LPOCA(-3))
D(LPOCA(-4))
C
-0.000578
3.068028
-3.887910
2.409163
-0.636617
0.010914
0.000264
0.146490
0.386473
0.389547
0.149937
0.004947
-2.190199
20.94356
-10.05998
6.184527
-4.245910
2.206042
0.0362
0.0000
0.0000
0.0000
0.0002
0.0349
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.999761
0.999722
5.06E-05
7.94E-08
316.7476
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.021240
0.003038
-16.79717
-16.53594
-16.70507
251
F-statistic
Prob(F-statistic)
25935.74
0.000000
Durbin-Watson stat
2.142626
DEFLACTOR DEL PIB
Null Hypothesis: LDP has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
3.424066
-2.622585
-1.949097
-1.611824
0.9997
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/08/13 Time: 22:10
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
0.021184
0.006187
3.424066
0.0014
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
-0.124348
-0.124348
0.062182
0.154666
56.21468
2.245428
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.039024
0.058643
-2.693399
-2.651605
-2.678180
ANEXO 2 TEST DE COINTEGRACION
Date: 12/7/13 Time: 14:17
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Trend assumption: Linear deterministic trend
Series: LY LCP LI LG LRR LWR LPOCA LDP
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
252
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5
At most 6
At most 7
0.917357
0.824818
0.765903
0.599875
0.424391
0.314168
0.150677
0.008487
308.1778
208.4487
138.7715
80.69067
44.05153
21.95846
6.873577
0.340930
159.5297
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0000
0.0053
0.1089
0.3008
0.5924
0.5593
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5
At most 6
At most 7
0.917357
0.824818
0.765903
0.599875
0.424391
0.314168
0.150677
0.008487
99.72909
69.67721
58.08086
36.63915
22.09307
15.08488
6.532647
0.340930
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
3.841466
0.0000
0.0000
0.0002
0.0228
0.2156
0.2830
0.5458
0.5593
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/7/13 Time: 14:19
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Standard errors in ( ) & t-statistics in [ ]
LY
LCP
LI
LG
LRR
LWR
LPOCA
LDP
LY(-1)
0.000940 -0.813478 -2.958836 1.673375 -2.790055 -2.385701 0.010047 5.886615
(0.52471) (0.55250) (2.22667) (1.28880) (5.81823) (4.31915) (0.00830) (1.97272)
[ 0.00179] [-1.47236] [-1.32882] [ 1.29839] [-0.47954] [-0.55235] [ 1.21031] [ 2.98401]
LY(-2)
0.569913 0.514396 7.229397 -2.844400 6.807849 8.299464 0.003137 -0.750099
(0.53843) (0.56694) (2.28487) (1.32249) (5.97030) (4.43204) (0.00852) (2.02428)
[ 1.05848] [ 0.90732] [ 3.16403] [-2.15079] [ 1.14029] [ 1.87260] [ 0.36823] [-0.37055]
LCP(-1)
1.671142 2.338809 6.835587 -1.051633 4.504331 7.863029 -0.000793 -4.372897
(0.41951) (0.44173) (1.78023) (1.03040) (4.65169) (3.45318) (0.00664) (1.57720)
[ 3.98356] [ 5.29470] [ 3.83972] [-1.02060] [ 0.96832] [ 2.27704] [-0.11945] [-2.77257]
253
LCP(-2)
-1.130545 -0.992905 -8.033457 2.130785 0.509017 -9.984838 -0.009110 -0.544211
(0.55839) (0.58796) (2.36960) (1.37153) (6.19169) (4.59639) (0.00883) (2.09935)
[-2.02464] [-1.68872] [-3.39022] [ 1.55358] [ 0.08221] [-2.17232] [-1.03122] [-0.25923]
LI(-1)
0.027228 0.016142 0.375102 -0.115003 -0.007877 -0.003826 0.000533 0.024145
(0.04214) (0.04437) (0.17881) (0.10350) (0.46722) (0.34684) (0.00067) (0.15842)
[ 0.64619] [ 0.36383] [ 2.09778] [-1.11119] [-0.01686] [-0.01103] [ 0.79880] [ 0.15242]
LI(-2)
-0.000357 -0.001170 -0.345029 -0.113376 -0.009096 -0.195949 -0.000105 -0.020654
(0.03569) (0.03758) (0.15146) (0.08766) (0.39575) (0.29379) (0.00056) (0.13418)
[-0.01000] [-0.03112] [-2.27806] [-1.29330] [-0.02299] [-0.66698] [-0.18571] [-0.15392]
LG(-1)
0.045803 0.069515 0.003883 1.016352 0.374129 -0.702378 -0.000283 -0.513760
(0.08330) (0.08771) (0.35348) (0.20460) (0.92364) (0.68566) (0.00132) (0.31317)
[ 0.54987] [ 0.79256] [ 0.01098] [ 4.96760] [ 0.40506] [-1.02438] [-0.21502] [-1.64053]
LG(-2)
-0.148671 -0.103080 -0.728511 -0.256605 -0.240896 -0.117903 -0.000248 0.071683
(0.07156) (0.07535) (0.30366) (0.17576) (0.79345) (0.58902) (0.00113) (0.26903)
[-2.07766] [-1.36807] [-2.39911] [-1.45998] [-0.30360] [-0.20017] [-0.21911] [ 0.26645]
LRR(-1)
-0.005546 0.001610 -0.137937 0.111741 -0.223923 0.052684 0.000119 -0.165185
(0.02642) (0.02782) (0.11213) (0.06490) (0.29299) (0.21750) (0.00042) (0.09934)
[-0.20988] [ 0.05786] [-1.23018] [ 1.72175] [-0.76428] [ 0.24223] [ 0.28403] [-1.66283]
LRR(-2)
0.001871 0.014819 -0.063136 0.055344 -0.483495 -0.154422 -0.000151 0.012734
(0.02121) (0.02234) (0.09002) (0.05211) (0.23523) (0.17462) (0.00034) (0.07976)
[ 0.08821] [ 0.66340] [-0.70133] [ 1.06214] [-2.05543] [-0.88432] [-0.45096] [ 0.15967]
LWR(-1)
-0.040259 -0.017797 0.153126 -0.080054 -0.069543 0.157799 -0.001541 -0.158868
(0.03737) (0.03934) (0.15857) (0.09178) (0.41433) (0.30757) (0.00059) (0.14048)
[-1.07744] [-0.45234] [ 0.96569] [-0.87226] [-0.16785] [ 0.51304] [-2.60707] [-1.13088]
LWR(-2)
-0.001923 -0.021914 -0.063912 0.256201 -0.317441 0.074800 -0.000218 -0.032833
(0.03729) (0.03927) (0.15825) (0.09160) (0.41352) (0.30697) (0.00059) (0.14021)
[-0.05157] [-0.55808] [-0.40385] [ 2.79701] [-0.76766] [ 0.24367] [-0.36922] [-0.23418]
LPOCA(-1)
-0.552461 -0.655279 -105.8486 -10.83874 -41.28784 -6.285773 2.051037 30.83584
(5.37063) (5.65504) (22.7908) (13.1914) (59.5517) (44.2081) (0.08497) (20.1915)
[-0.10287] [-0.11588] [-4.64436] [-0.82165] [-0.69331] [-0.14219] [ 24.1385] [ 1.52717]
LPOCA(-2)
0.653875 0.621239 100.5445 9.573566 30.69281 5.423498 -1.039162 -26.71155
(5.15676) (5.42984) (21.8832) (12.6660) (57.1801) (42.4476) (0.08159) (19.3874)
[ 0.12680] [ 0.11441] [ 4.59460] [ 0.75585] [ 0.53677] [ 0.12777] [-12.7371] [-1.37778]
LDP(-1)
0.030396 0.093980 0.402288 0.326640 -1.064710 -0.764528 -0.001594 0.151218
(0.08794) (0.09260) (0.37317) (0.21599) (0.97510) (0.72386) (0.00139) (0.33061)
[ 0.34566] [ 1.01496] [ 1.07801] [ 1.51226] [-1.09190] [-1.05618] [-1.14556] [ 0.45738]
LDP(-2)
-0.073154 -0.102274 0.023253 0.185070 -0.268648 -0.044984 -0.001908 0.119769
(0.06305) (0.06639) (0.26758) (0.15488) (0.69918) (0.51903) (0.00100) (0.23706)
[-1.16016] [-1.54041] [ 0.08690] [ 1.19496] [-0.38423] [-0.08667] [-1.91275] [ 0.50522]
C
-1.848927 0.482580 74.24302 23.18492 107.3273 -8.162521 -0.216877 -67.10504
(5.85957) (6.16987) (24.8656) (14.3923) (64.9732) (48.2327) (0.09270) (22.0297)
[-0.31554] [ 0.07822] [ 2.98577] [ 1.61093] [ 1.65187] [-0.16923] [-2.33943] [-3.04611]
R-squared
0.999008
0.998980
0.985512
0.996721
0.958887
0.970436
0.999999
0.998852
254
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.998317 0.998271 0.975433 0.994439 0.930287 0.949870 0.999999 0.998053
0.005077 0.005629 0.091427 0.030629 0.624230 0.344001 1.27E-06 0.071762
0.014857 0.015644 0.063048 0.036493 0.164744 0.122297 0.000235 0.055858
1447.156 1408.171 97.78228 436.9095 33.52751 47.18613 2783843. 1250.571
122.6807 120.6166 64.86432 86.73607 26.44479 38.36226 288.5371 69.70807
-5.284037 -5.180832 -2.393216 -3.486803 -0.472239 -1.068113 -13.57686 -2.635403
-4.566263 -4.463059 -1.675442 -2.769029 0.245534 -0.350339 -12.85908 -1.917630
9.596274 9.422677 7.693918 6.779499 3.136278 4.626963 17.10177 3.518085
0.362194 0.376207 0.402254 0.489374 0.623954 0.546220 0.251204 1.265944
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
5.22E-29
6.24E-31
936.9332
-40.04666
-34.30447
COMPORTAMIENTO DE LOS ERRORES
LY Residuals
LCP Residuals
LI Residuals
.04
.04
.10
.02
.02
.05
.00
.00
.00
-.02
-.02
-.05
-.04
-.04
-.10
-.06
-.06
75
80
85
90
95
00
05
10
-.15
75
80
LG Residuals
85
90
95
00
05
10
75
80
LRR Residuals
.08
.4
.04
.2
.00
.0
-.04
-.2
85
90
95
00
05
10
00
05
10
LWR Residuals
.3
.2
.1
.0
-.08
-.1
-.4
75
80
85
90
95
00
05
10
-.2
75
80
LPOCA Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0004
.12
.0002
.08
.0000
.04
-.0002
.00
-.0004
-.04
-.0006
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
TEST DE AUTOCORRELACION
255
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/7/13 Time: 14:24
Sample: 1970 2011
Included observations: 40
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
9
10
11
12
90.57272
76.10357
83.96546
90.87742
79.01847
69.43711
70.82410
70.80808
54.91833
73.75080
64.45907
82.27678
0.0161
0.1430
0.0478
0.0152
0.0979
0.2994
0.2606
0.2610
0.7836
0.1895
0.4604
0.0617
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 14:26
Sample: 1970 2011
Included observations: 40
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.269281
-0.169734
-0.142538
0.026147
-0.167596
0.114184
-0.431979
0.088568
0.483415
0.192064
0.135447
0.004558
0.187256
0.086920
1.244040
0.052295
1
1
1
1
1
1
1
1
0.4869
0.6612
0.7129
0.9462
0.6652
0.7681
0.2647
0.8191
2.385994
8
0.9668
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
1.920595
1.941857
1
0.1635
256
2
3
4
5
6
7
8
1.107868
0.690523
0.875290
1.151975
1.070557
1.300319
0.891153
Joint
5.966937
8.889476
7.523991
5.691993
6.204581
4.814856
7.412059
1
1
1
1
1
1
1
0.0146
0.0029
0.0061
0.0170
0.0127
0.0282
0.0065
48.44575
8
0.0000
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
2.425273
6.159001
9.024923
7.528549
5.879249
6.291501
6.058896
7.464354
2
2
2
2
2
2
2
2
0.2974
0.0460
0.0110
0.0232
0.0529
0.0430
0.0483
0.0239
Joint
50.83174
16
0.0000
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/7/13 Time: 14:27
Sample: 1970 2011
Included observations: 40
Joint test:
Chi-sq
df
Prob.
1138.066
1116
0.3163
Individual components:
Dependent
R-squared
F(31,8)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
0.807354
0.884418
0.681829
0.911691
0.852393
0.812535
0.830846
0.805981
0.840307
0.846015
0.832255
1.081515
1.974676
0.553024
2.664232
1.490252
1.118537
1.267552
1.072037
1.357942
1.417845
1.280365
0.4899
0.1579
0.8866
0.0744
0.2872
0.4668
0.3839
0.4960
0.3410
0.3154
0.3775
32.29417
35.37672
27.27317
36.46765
34.09570
32.50140
33.23383
32.23926
33.61229
33.84061
33.29018
0.4026
0.2691
0.6584
0.2294
0.3210
0.3928
0.3589
0.4052
0.3420
0.3320
0.3563
257
res4*res1
res4*res2
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.833559
0.838907
0.809030
0.804133
0.848438
0.840820
0.845364
0.866361
0.912199
0.843739
0.863067
0.897388
0.717944
0.772694
0.785083
0.942931
0.967049
0.836376
0.689525
0.672710
0.749193
0.872905
0.840808
0.861282
0.748766
1.292421
1.343891
1.093272
1.059482
1.444636
1.363150
1.410784
1.672997
2.681125
1.393436
1.626533
2.256880
0.656875
0.877251
0.942699
4.263897
7.573787
1.319112
0.573129
0.530425
0.770873
1.772416
1.363026
1.602293
0.769124
0.3716
0.3474
0.4825
0.5042
0.3047
0.3387
0.3183
0.2277
0.0731
0.3256
0.2414
0.1144
0.8102
0.6346
0.5853
0.0188
0.0028
0.3588
0.8728
0.9015
0.7189
0.2014
0.3388
0.2489
0.7203
33.34236
33.55626
32.36121
32.16530
33.93752
33.63281
33.81455
34.65445
36.48795
33.74957
34.52266
35.89550
28.71775
30.90774
31.40332
37.71723
38.68197
33.45502
27.58101
26.90842
29.96773
34.91619
33.63232
34.45129
29.95065
0.3540
0.3444
0.3994
0.4088
0.3278
0.3411
0.3331
0.2977
0.2287
0.3359
0.3031
0.2497
0.5839
0.4709
0.4460
0.1890
0.1615
0.3489
0.6427
0.6768
0.5190
0.2871
0.3411
0.3061
0.5198
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LY LCP LI LG LRR LWR LPOCA LDP
Exogenous variables: C
Date: 12/7/13 Time: 14:28
Sample: 1970 2011
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
342.4345
787.8372
922.5266
1078.732
NA
685.2349
151.9572
112.1474*
4.92e-18
1.69e-26
6.92e-28
2.49e-29*
-17.15049
-36.70960
-40.33470
-45.06317*
-16.80925
-33.63841
-34.53356
-36.53209*
-17.02805
-35.60769
-38.25330
-42.00229*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
ANEXO 4 VECM ESTIMADO
258
VECM
Vector Error Correction Estimates
Date: 12/7/13 Time: 18:23
Sample (adjusted): 1973 2011
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
LY(-1)
1.000000
0.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
0.000000
LG(-1)
0.000000
0.000000
0.000000
1.000000
LRR(-1)
0.057261 -0.191337 0.017228 1.802368
(0.03363) (0.01113) (0.04530) (0.25833)
[ 1.70246] [-17.1911] [ 0.38030] [ 6.97712]
LWR(-1)
-0.248151 -0.040237 -0.838397 -1.187758
(0.03648) (0.01207) (0.04914) (0.28018)
[-6.80238] [-3.33311] [-17.0631] [-4.23920]
LPOCA(-1)
-0.786410 -1.336795 5.238122 -1.121516
(0.24625) (0.08149) (0.33167) (1.89130)
[-3.19357] [-16.4049] [ 15.7930] [-0.59299]
LDP(-1)
-0.197737 -0.130558 -1.372156 0.055567
(0.04355) (0.01441) (0.05866) (0.33450)
[-4.54028] [-9.05902] [-23.3917] [ 0.16612]
C
5.517433
Error Correction:
D(LY)
14.68286 -88.61632
D(LCP)
D(LI)
12.06499
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
CointEq1
0.449250 1.241743 6.748505 1.514305 0.867700 9.731973 -0.014743 2.254028
(0.83684) (0.75806) (3.25563) (1.77772) (6.00160) (3.90125) (0.00466) (2.19671)
[ 0.53684] [ 1.63806] [ 2.07287] [ 0.85182] [ 0.14458] [ 2.49458] [-3.16161] [ 1.02609]
CointEq2
0.151468 -0.558447 -1.442669 0.052402 14.79134 -2.009487 0.012414 -5.240361
(0.73311) (0.66409) (2.85208) (1.55737) (5.25768) (3.41767) (0.00409) (1.92442)
[ 0.20661] [-0.84091] [-0.50583] [ 0.03365] [ 2.81329] [-0.58797] [ 3.03896] [-2.72309]
CointEq3
0.039498 -0.041445 -1.396054 -0.387312 0.174458 0.310543 -0.000605 -0.346965
(0.12237) (0.11085) (0.47606) (0.25995) (0.87759) (0.57047) (0.00068) (0.32122)
[ 0.32278] [-0.37389] [-2.93251] [-1.48994] [ 0.19879] [ 0.54437] [-0.88659] [-1.08016]
CointEq4
-0.070080 -0.139177 -0.733700 -0.118779 -0.087023 -0.960419 0.001890 -0.324172
(0.08772) (0.07946) (0.34127) (0.18635) (0.62912) (0.40895) (0.00049) (0.23027)
[-0.79888] [-1.75144] [-2.14988] [-0.63739] [-0.13833] [-2.34849] [ 3.86580] [-1.40778]
D(LY(-1))
-1.093219 -1.570466 -8.179872
(0.66279) (0.60039) (2.57850)
0.686961 -7.848580 -9.302805
(1.40798) (4.75335) (3.08984)
0.017800
(0.00369)
5.036398
(1.73982)
259
[-1.64942] [-2.61573] [-3.17233] [ 0.48791] [-1.65117] [-3.01077] [ 4.81954] [ 2.89478]
D(LY(-2))
-0.829825 -1.246262 -2.090582 -1.974948 -15.84307 -11.03876 0.013434 5.933646
(0.70810) (0.64143) (2.75476) (1.50423) (5.07827) (3.30105) (0.00395) (1.85875)
[-1.17191] [-1.94293] [-0.75890] [-1.31293] [-3.11978] [-3.34401] [ 3.40466] [ 3.19228]
D(LCP(-1))
1.277247 1.758965 8.333789 -1.500215 -6.793810 9.174601 -0.013814 -0.341277
(0.71125) (0.64429) (2.76705) (1.51093) (5.10092) (3.31577) (0.00396) (1.86704)
[ 1.79577] [ 2.73006] [ 3.01180] [-0.99291] [-1.33188] [ 2.76696] [-3.48562] [-0.18279]
D(LCP(-2))
-0.039411 0.634995 -2.165249 0.336080 3.151011 2.984477 -0.015712 -2.643471
(0.69743) (0.63177) (2.71326) (1.48156) (5.00175) (3.25131) (0.00389) (1.83074)
[-0.05651] [ 1.00511] [-0.79803] [ 0.22684] [ 0.62998] [ 0.91793] [-4.04290] [-1.44393]
D(LI(-1))
-0.019410 0.004848 0.560162 0.115455 -0.888363 -0.397247 0.000584 0.403483
(0.07515) (0.06808) (0.29237) (0.15965) (0.53897) (0.35035) (0.00042) (0.19727)
[-0.25828] [ 0.07122] [ 1.91595] [ 0.72319] [-1.64827] [-1.13387] [ 1.39422] [ 2.04531]
D(LI(-2))
0.000724 0.055697 0.211811 0.129156 0.282710 0.006531 0.000207 0.013851
(0.05749) (0.05208) (0.22365) (0.12212) (0.41229) (0.26800) (0.00032) (0.15091)
[ 0.01259] [ 1.06953] [ 0.94707] [ 1.05759] [ 0.68571] [ 0.02437] [ 0.64692] [ 0.09178]
D(LG(-1))
0.190953 0.208823 0.395462 0.398703 1.613835 0.860355 -0.002429 -0.926026
(0.12197) (0.11048) (0.47449) (0.25910) (0.87471) (0.56859) (0.00068) (0.32016)
[ 1.56562] [ 1.89008] [ 0.83344] [ 1.53883] [ 1.84500] [ 1.51314] [-3.57443] [-2.89239]
D(LG(-2))
-0.005075 0.006081 -0.188478 0.070612 2.092731 0.529786 -0.000465 -0.241324
(0.07887) (0.07144) (0.30683) (0.16754) (0.56563) (0.36768) (0.00044) (0.20703)
[-0.06434] [ 0.08511] [-0.61427] [ 0.42146] [ 3.69983] [ 1.44090] [-1.05871] [-1.16564]
D(LRR(-1))
0.078148 0.046565 0.397798 0.138718 1.337308 0.593469 -0.000147 -0.473295
(0.04942) (0.04477) (0.19226) (0.10498) (0.35442) (0.23038) (0.00028) (0.12972)
[ 1.58134] [ 1.04018] [ 2.06908] [ 1.32136] [ 3.77324] [ 2.57599] [-0.53304] [-3.64846]
D(LRR(-2))
0.021910 0.017449 0.079019 0.100196 0.488370 0.177901 4.53E-07 -0.281757
(0.02643) (0.02394) (0.10284) (0.05615) (0.18957) (0.12323) (0.00015) (0.06939)
[ 0.82886] [ 0.72871] [ 0.76840] [ 1.78433] [ 2.57616] [ 1.44366] [ 0.00307] [-4.06064]
D(LWR(-1))
0.060088 0.057538 -0.106542 -0.064874 1.093229 0.447442 -0.001063 -0.502560
(0.07065) (0.06400) (0.27487) (0.15009) (0.50671) (0.32938) (0.00039) (0.18547)
[ 0.85046] [ 0.89900] [-0.38761] [-0.43223] [ 2.15752] [ 1.35845] [-2.69887] [-2.70973]
D(LWR(-2))
0.085008 0.047229 0.220834 0.149320 0.886233 0.548220 -0.000533 -0.338389
(0.05710) (0.05173) (0.22215) (0.12130) (0.40952) (0.26620) (0.00032) (0.14989)
[ 1.48869] [ 0.91305] [ 0.99408] [ 1.23096] [ 2.16407] [ 2.05941] [-1.67517] [-2.25754]
D(LPOCA(-1))
3.740677 -1.473978 21.75373 -0.201074 -129.0330 -165.6423 1.961141 129.8668
(14.9143) (13.5102) (58.0221) (31.6827) (106.961) (69.5283) (0.08311) (39.1498)
[ 0.25081] [-0.10910] [ 0.37492] [-0.00635] [-1.20636] [-2.38237] [ 23.5982] [ 3.31718]
D(LPOCA(-2))
-2.316166 -0.480576 -126.4425 -35.31015 11.03836 176.9906 -1.089769 -107.3293
(19.6464) (17.7968) (76.4318) (41.7352) (140.898) (91.5888) (0.10947) (51.5716)
[-0.11789] [-0.02700] [-1.65432] [-0.84605] [ 0.07834] [ 1.93245] [-9.95461] [-2.08117]
D(LDP(-1))
0.164834 0.162717 -0.472020 0.018385 1.853639 1.350559 -0.001773 -1.342278
(0.15821) (0.14332) (0.61551) (0.33609) (1.13465) (0.73756) (0.00088) (0.41531)
[ 1.04185] [ 1.13536] [-0.76688] [ 0.05470] [ 1.63366] [ 1.83111] [-2.01089] [-3.23202]
260
D(LDP(-2))
0.008412 -0.005477 -0.497429 0.174977 1.659975 0.935739 -0.000411 -0.790874
(0.10515) (0.09525) (0.40907) (0.22337) (0.75409) (0.49019) (0.00059) (0.27601)
[ 0.08000] [-0.05751] [-1.21601] [ 0.78335] [ 2.20129] [ 1.90894] [-0.70232] [-2.86535]
C
0.003625 0.065195 2.547053 0.869223 3.037045 -0.271997 0.003091 -0.407398
(0.19564) (0.17722) (0.76109) (0.41559) (1.40304) (0.91202) (0.00109) (0.51354)
[ 0.01853] [ 0.36788] [ 3.34657] [ 2.09153] [ 2.16462] [-0.29823] [ 2.83525] [-0.79331]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.761942 0.729123 0.852506 0.699485 0.864570 0.872578 0.999600 0.843856
0.497433 0.428149 0.688623 0.365579 0.714092 0.730999 0.999156 0.670363
0.005038 0.004134 0.076257 0.022737 0.259143 0.109500 1.56E-07 0.034718
0.016731 0.015155 0.065088 0.035541 0.119987 0.077996 9.32E-05 0.043918
2.880592 2.422546 5.201935 2.094857 5.745500 6.163170 2250.237 4.863911
119.2688 123.1249 66.28707 89.88416 42.43315 59.23158 321.6773 81.63076
-5.039425 -5.237174 -2.322414 -3.532521 -1.099136 -1.960594 -15.41935 -3.109270
-4.143661 -4.341411 -1.426650 -2.636757 -0.203372 -1.064830 -14.52359 -2.213506
0.032873 0.033684 0.027596 0.046060 -0.016536 -0.008548 0.021526 0.099059
0.023600 0.020041 0.116643 0.044621 0.224399 0.150381 0.003209 0.076493
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
3.83E-31
7.88E-34
1043.645
-43.26385
-34.73276
P-VALUES DE LOS COEFICIENTES Y ECUACIONES DEL VECM
System: UNTITLED
Estimation Method: Least Squares
Date: 12/7/13 Time: 18:28
Sample: 1973 2011
Included observations: 39
Total system (balanced) observations 312
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
Coefficient
Std. Error
t-Statistic
Prob.
0.449250
0.151468
0.039498
-0.070080
-1.093219
-0.829825
1.277247
-0.039411
-0.019410
0.000724
0.190953
-0.005075
0.078148
0.021910
0.060088
0.085008
0.836843
0.733113
0.122369
0.087723
0.662791
0.708098
0.711255
0.697428
0.075152
0.057488
0.121966
0.078869
0.049419
0.026433
0.070654
0.057102
0.536838
0.206609
0.322781
-0.798877
-1.649417
-1.171907
1.795766
-0.056509
-0.258284
0.012591
1.565622
-0.064342
1.581344
0.828861
0.850457
1.488693
0.5922
0.8366
0.7473
0.4257
0.1012
0.2432
0.0746
0.9550
0.7966
0.9900
0.1196
0.9488
0.1160
0.4086
0.3965
0.1388
261
C(17)
C(18)
C(19)
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
3.740677
-2.316166
0.164834
0.008412
0.003625
1.241743
-0.558447
-0.041445
-0.139177
-1.570466
-1.246262
1.758965
0.634995
0.004848
0.055697
0.208823
0.006081
0.046565
0.017449
0.057538
0.047229
-1.473978
-0.480576
0.162717
-0.005477
0.065195
6.748505
-1.442669
-1.396054
-0.733700
-8.179872
-2.090582
8.333789
-2.165249
0.560162
0.211811
0.395462
-0.188478
0.397798
0.079019
-0.106542
0.220834
21.75373
-126.4425
-0.472020
-0.497429
2.547053
1.514305
0.052402
-0.387312
-0.118779
0.686961
-1.974948
-1.500215
0.336080
0.115455
0.129156
14.91426
19.64639
0.158212
0.105148
0.195635
0.758059
0.664095
0.110849
0.079464
0.600393
0.641435
0.644295
0.631769
0.068077
0.052076
0.110484
0.071444
0.044767
0.023945
0.064002
0.051726
13.51017
17.79680
0.143318
0.095249
0.177217
3.255633
2.852084
0.476061
0.341275
2.578505
2.754765
2.767048
2.713256
0.292368
0.223650
0.474494
0.306831
0.192259
0.102836
0.274869
0.222149
58.02206
76.43181
0.615505
0.409066
0.761094
1.777723
1.557367
0.259951
0.186352
1.407980
1.504226
1.510933
1.481560
0.159646
0.122123
0.250812
-0.117893
1.041852
0.079999
0.018531
1.638055
-0.840914
-0.373886
-1.751438
-2.615730
-1.942929
2.730063
1.005105
0.071220
1.069528
1.890081
0.085113
1.040184
0.728710
0.898999
0.913050
-0.109101
-0.027004
1.135361
-0.057506
0.367881
2.072870
-0.505830
-2.932513
-2.149881
-3.172332
-0.758897
3.011798
-0.798026
1.915948
0.947065
0.833440
-0.614274
2.069081
0.768401
-0.387612
0.994083
0.374922
-1.654317
-0.766883
-1.216012
3.346569
0.851823
0.033648
-1.489944
-0.637389
0.487906
-1.312933
-0.992906
0.226842
0.723195
1.057588
0.8023
0.9063
0.2992
0.9363
0.9852
0.1036
0.4018
0.7090
0.0820
0.0099
0.0540
0.0071
0.3165
0.9433
0.2866
0.0608
0.9323
0.3000
0.4674
0.3702
0.3627
0.9133
0.9785
0.2581
0.9542
0.7135
0.0400
0.6137
0.0039
0.0332
0.0018
0.4492
0.0031
0.4262
0.0574
0.3452
0.4060
0.5400
0.0403
0.4435
0.6989
0.3219
0.7083
0.1002
0.4444
0.2260
0.0010
0.3957
0.9732
0.1384
0.5249
0.6264
0.1913
0.3224
0.8209
0.4707
0.2920
262
C(74)
C(75)
C(76)
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(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(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
0.398703
0.070612
0.138718
0.100196
-0.064874
0.149320
-0.201074
-35.31015
0.018385
0.174977
0.869223
0.867700
14.79134
0.174458
-0.087023
-7.848580
-15.84307
-6.793810
3.151011
-0.888363
0.282710
1.613835
2.092731
1.337308
0.488370
1.093229
0.886233
-129.0330
11.03836
1.853639
1.659975
3.037045
9.731973
-2.009487
0.310543
-0.960419
-9.302805
-11.03876
9.174601
2.984477
-0.397247
0.006531
0.860355
0.529786
0.593469
0.177901
0.447442
0.548220
-165.6423
176.9906
1.350559
0.935739
-0.271997
-0.014743
0.012414
-0.000605
0.001890
0.259095
0.167544
0.104982
0.056153
0.150091
0.121303
31.68267
41.73523
0.336094
0.223369
0.415592
6.001599
5.257675
0.877594
0.629123
4.753346
5.078273
5.100915
5.001753
0.538966
0.412288
0.874706
0.565628
0.354419
0.189573
0.506707
0.409521
106.9608
140.8983
1.134653
0.754093
1.403039
3.901249
3.417673
0.570467
0.408952
3.089841
3.301055
3.315773
3.251314
0.350347
0.268002
0.568590
0.367678
0.230385
0.123229
0.329377
0.266203
69.52826
91.58879
0.737564
0.490187
0.912024
0.004663
0.004085
0.000682
0.000489
1.538827
0.421456
1.321356
1.784330
-0.432233
1.230963
-0.006347
-0.846052
0.054703
0.783353
2.091530
0.144578
2.813286
0.198791
-0.138325
-1.651170
-3.119776
-1.331881
0.629981
-1.648273
0.685709
1.845002
3.699834
3.773238
2.576158
2.157516
2.164074
-1.206358
0.078343
1.633661
2.201286
2.164619
2.494579
-0.587970
0.544366
-2.348486
-3.010772
-3.344009
2.766957
0.917929
-1.133868
0.024368
1.513140
1.440895
2.575988
1.443662
1.358449
2.059408
-2.382374
1.932449
1.831106
1.908943
-0.298234
-3.161615
3.038957
-0.886587
3.865801
0.1260
0.6741
0.1885
0.0765
0.6662
0.2203
0.9949
0.3989
0.9565
0.4347
0.0382
0.8852
0.0056
0.8427
0.8902
0.1009
0.0022
0.1850
0.5297
0.1015
0.4940
0.0671
0.0003
0.0002
0.0110
0.0326
0.0321
0.2297
0.9377
0.1045
0.0293
0.0321
0.0137
0.5575
0.5870
0.0202
0.0031
0.0011
0.0064
0.3602
0.2587
0.9806
0.1324
0.1518
0.0110
0.1510
0.1764
0.0413
0.0185
0.0553
0.0692
0.0583
0.7660
0.0019
0.0028
0.3768
0.0002
263
C(131)
C(132)
C(133)
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
C(141)
C(142)
C(143)
C(144)
C(145)
C(146)
C(147)
C(148)
C(149)
C(150)
C(151)
C(152)
C(153)
C(154)
C(155)
C(156)
C(157)
C(158)
C(159)
C(160)
C(161)
C(162)
C(163)
C(164)
C(165)
C(166)
C(167)
C(168)
0.017800
0.013434
-0.013814
-0.015712
0.000584
0.000207
-0.002429
-0.000465
-0.000147
4.53E-07
-0.001063
-0.000533
1.961141
-1.089769
-0.001773
-0.000411
0.003091
2.254028
-5.240361
-0.346965
-0.324172
5.036398
5.933646
-0.341277
-2.643471
0.403483
0.013851
-0.926026
-0.241324
-0.473295
-0.281757
-0.502560
-0.338389
129.8668
-107.3293
-1.342278
-0.790874
-0.407398
Determinant residual covariance
0.003693
0.003946
0.003963
0.003886
0.000419
0.000320
0.000680
0.000439
0.000275
0.000147
0.000394
0.000318
0.083105
0.109474
0.000882
0.000586
0.001090
2.196706
1.924415
0.321217
0.230272
1.739820
1.858750
1.867038
1.830742
0.197272
0.150906
0.320160
0.207031
0.129725
0.069387
0.185465
0.149893
39.14981
51.57160
0.415306
0.276013
0.513541
4.819542
3.404662
-3.485620
-4.042898
1.394222
0.646922
-3.574425
-1.058713
-0.533036
0.003074
-2.698873
-1.675169
23.59823
-9.954609
-2.010892
-0.702321
2.835249
1.026095
-2.723093
-1.080156
-1.407779
2.894781
3.192277
-0.182791
-1.443934
2.045309
0.091783
-2.892386
-1.165639
-3.648459
-4.060638
-2.709727
-2.257537
3.317176
-2.081171
-3.232022
-2.865347
-0.793313
0.0000
0.0009
0.0007
0.0001
0.1654
0.5187
0.0005
0.2915
0.5948
0.9976
0.0078
0.0961
0.0000
0.0000
0.0462
0.4836
0.0052
0.3066
0.0073
0.2819
0.1614
0.0044
0.0017
0.8552
0.1509
0.0426
0.9270
0.0044
0.2457
0.0004
0.0001
0.0076
0.0255
0.0012
0.0392
0.0015
0.0048
0.4289
7.88E-34
Equation: D(LY) = C(1)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(2)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(3)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(4)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(5)
*D(LY(-1)) + C(6)*D(LY(-2)) + C(7)*D(LCP(-1)) + C(8)*D(LCP(-2)) + C(9)
*D(LI(-1)) + C(10)*D(LI(-2)) + C(11)*D(LG(-1)) + C(12)*D(LG(-2)) +
C(13)*D(LRR(-1)) + C(14)*D(LRR(-2)) + C(15)*D(LWR(-1)) + C(16)
*D(LWR(-2)) + C(17)*D(LPOCA(-1)) + C(18)*D(LPOCA(-2)) + C(19)
*D(LDP(-1)) + C(20)*D(LDP(-2)) + C(21)
264
Observations: 39
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.761942
0.497433
0.016731
1.853402
Mean dependent var
S.D. dependent var
Sum squared resid
0.032873
0.023600
0.005038
Equation: D(LCP) = C(22)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(23)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(24)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(25)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(26)
*D(LY(-1)) + C(27)*D(LY(-2)) + C(28)*D(LCP(-1)) + C(29)*D(LCP(-2)) +
C(30)*D(LI(-1)) + C(31)*D(LI(-2)) + C(32)*D(LG(-1)) + C(33)*D(LG(-2))
+ C(34)*D(LRR(-1)) + C(35)*D(LRR(-2)) + C(36)*D(LWR(-1)) + C(37)
*D(LWR(-2)) + C(38)*D(LPOCA(-1)) + C(39)*D(LPOCA(-2)) + C(40)
*D(LDP(-1)) + C(41)*D(LDP(-2)) + C(42)
Observations: 39
R-squared
0.729123 Mean dependent var
0.033684
Adjusted R-squared
0.428149 S.D. dependent var
0.020041
S.E. of regression
0.015155 Sum squared resid
0.004134
Durbin-Watson stat
1.837953
Equation: D(LI) = C(43)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(44)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(45)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(46)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(47)
*D(LY(-1)) + C(48)*D(LY(-2)) + C(49)*D(LCP(-1)) + C(50)*D(LCP(-2)) +
C(51)*D(LI(-1)) + C(52)*D(LI(-2)) + C(53)*D(LG(-1)) + C(54)*D(LG(-2))
+ C(55)*D(LRR(-1)) + C(56)*D(LRR(-2)) + C(57)*D(LWR(-1)) + C(58)
*D(LWR(-2)) + C(59)*D(LPOCA(-1)) + C(60)*D(LPOCA(-2)) + C(61)
*D(LDP(-1)) + C(62)*D(LDP(-2)) + C(63)
Observations: 39
R-squared
0.852506 Mean dependent var
0.027596
Adjusted R-squared
0.688623 S.D. dependent var
0.116643
S.E. of regression
0.065088 Sum squared resid
0.076257
Durbin-Watson stat
2.023031
Equation: D(LG) = C(64)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(65)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(66)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(67)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
265
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(68)
*D(LY(-1)) + C(69)*D(LY(-2)) + C(70)*D(LCP(-1)) + C(71)*D(LCP(-2)) +
C(72)*D(LI(-1)) + C(73)*D(LI(-2)) + C(74)*D(LG(-1)) + C(75)*D(LG(-2))
+ C(76)*D(LRR(-1)) + C(77)*D(LRR(-2)) + C(78)*D(LWR(-1)) + C(79)
*D(LWR(-2)) + C(80)*D(LPOCA(-1)) + C(81)*D(LPOCA(-2)) + C(82)
*D(LDP(-1)) + C(83)*D(LDP(-2)) + C(84)
Observations: 39
R-squared
0.699485 Mean dependent var
0.046060
Adjusted R-squared
0.365579 S.D. dependent var
0.044621
S.E. of regression
0.035541 Sum squared resid
0.022737
Durbin-Watson stat
2.012798
Equation: D(LRR) = C(85)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(86)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(87)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(88)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(89)
*D(LY(-1)) + C(90)*D(LY(-2)) + C(91)*D(LCP(-1)) + C(92)*D(LCP(-2)) +
C(93)*D(LI(-1)) + C(94)*D(LI(-2)) + C(95)*D(LG(-1)) + C(96)*D(LG(-2))
+ C(97)*D(LRR(-1)) + C(98)*D(LRR(-2)) + C(99)*D(LWR(-1)) + C(100)
*D(LWR(-2)) + C(101)*D(LPOCA(-1)) + C(102)*D(LPOCA(-2)) + C(103)
*D(LDP(-1)) + C(104)*D(LDP(-2)) + C(105)
Observations: 39
R-squared
0.864570 Mean dependent var
-0.016536
Adjusted R-squared
0.714092 S.D. dependent var
0.224399
S.E. of regression
0.119987 Sum squared resid
0.259143
Durbin-Watson stat
2.488908
Equation: D(LWR) = C(106)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(107)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(108)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(109)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(110)
*D(LY(-1)) + C(111)*D(LY(-2)) + C(112)*D(LCP(-1)) + C(113)*D(LCP(
-2)) + C(114)*D(LI(-1)) + C(115)*D(LI(-2)) + C(116)*D(LG(-1)) + C(117)
*D(LG(-2)) + C(118)*D(LRR(-1)) + C(119)*D(LRR(-2)) + C(120)
*D(LWR(-1)) + C(121)*D(LWR(-2)) + C(122)*D(LPOCA(-1)) + C(123)
*D(LPOCA(-2)) + C(124)*D(LDP(-1)) + C(125)*D(LDP(-2)) + C(126)
Observations: 39
R-squared
0.872578 Mean dependent var
-0.008548
Adjusted R-squared
0.730999 S.D. dependent var
0.150381
S.E. of regression
0.077996 Sum squared resid
0.109500
Durbin-Watson stat
2.014327
Equation: D(LPOCA) = C(127)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(128)*( LCP(-1) -
266
0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(129)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(130)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(131)
*D(LY(-1)) + C(132)*D(LY(-2)) + C(133)*D(LCP(-1)) + C(134)*D(LCP(
-2)) + C(135)*D(LI(-1)) + C(136)*D(LI(-2)) + C(137)*D(LG(-1)) + C(138)
*D(LG(-2)) + C(139)*D(LRR(-1)) + C(140)*D(LRR(-2)) + C(141)
*D(LWR(-1)) + C(142)*D(LWR(-2)) + C(143)*D(LPOCA(-1)) + C(144)
*D(LPOCA(-2)) + C(145)*D(LDP(-1)) + C(146)*D(LDP(-2)) + C(147)
Observations: 39
R-squared
0.999600 Mean dependent var
0.021526
Adjusted R-squared
0.999156 S.D. dependent var
0.003209
S.E. of regression
9.32E-05 Sum squared resid
1.56E-07
Durbin-Watson stat
1.546888
Equation: D(LDP) = C(148)*( LY(-1) + 0.057260722488*LRR(-1) 0.248150961054*LWR(-1) - 0.786409547259*LPOCA(-1) 0.197736692574*LDP(-1) + 5.51743285041 ) + C(149)*( LCP(-1) 0.191337423214*LRR(-1) - 0.0402366735433*LWR(-1) 1.33679499481*LPOCA(-1) - 0.130557889562*LDP(-1) +
14.6828632375 ) + C(150)*( LI(-1) + 0.0172283695869*LRR(-1) 0.838397299516*LWR(-1) + 5.23812249678*LPOCA(-1) 1.37215595878*LDP(-1) - 88.6163234341 ) + C(151)*( LG(-1) +
1.80236831476*LRR(-1) - 1.18775774253*LWR(-1) - 1.12151569159
*LPOCA(-1) + 0.055566746652*LDP(-1) + 12.064988838 ) + C(152)
*D(LY(-1)) + C(153)*D(LY(-2)) + C(154)*D(LCP(-1)) + C(155)*D(LCP(
-2)) + C(156)*D(LI(-1)) + C(157)*D(LI(-2)) + C(158)*D(LG(-1)) + C(159)
*D(LG(-2)) + C(160)*D(LRR(-1)) + C(161)*D(LRR(-2)) + C(162)
*D(LWR(-1)) + C(163)*D(LWR(-2)) + C(164)*D(LPOCA(-1)) + C(165)
*D(LPOCA(-2)) + C(166)*D(LDP(-1)) + C(167)*D(LDP(-2)) + C(168)
Observations: 39
R-squared
0.843856 Mean dependent var
0.099059
Adjusted R-squared
0.670363 S.D. dependent var
0.076493
S.E. of regression
0.043918 Sum squared resid
0.034718
Durbin-Watson stat
2.617232
ANEXO 5 TEST de validación DEL VECM
AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/7/13 Time: 18:44
Sample: 1973 2011
Included observations: 39
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
69.26302
128.6759
199.0810
0.3045
0.4666
0.3479
71.08573
133.7101
209.9824
0.2537
0.3471
0.1777
64
128
192
267
4
5
6
7
8
9
10
11
12
260.5915
324.8213
388.0589
450.7220
509.2562
563.0330
617.3343
663.9698
718.6122
0.4086
0.4145
0.4325
0.4550
0.5259
0.6425
0.7332
0.8577
0.8982
278.5226
352.1980
426.9332
503.3040
576.9437
646.8536
719.8794
784.8360
863.7639
0.1594
0.1041
0.0644
0.0360
0.0244
0.0213
0.0152
0.0181
0.0090
256
320
384
448
512
576
640
704
768
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
TEST DE NORMALIDAD
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 18:46
Sample: 1973 2011
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.815974
-0.116683
0.078829
-0.176110
-0.789372
0.338495
-0.439074
-0.195485
4.327788
0.088497
0.040391
0.201596
4.050203
0.744761
1.253111
0.248392
1
1
1
1
1
1
1
1
0.0375
0.7661
0.8407
0.6534
0.0442
0.3881
0.2630
0.6182
10.95474
8
0.2043
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
5.061484
2.221371
2.514034
3.125108
3.004463
2.724184
2.913825
2.334923
6.905789
0.985177
0.383765
0.025435
3.24E-05
0.123621
0.012067
0.718783
1
1
1
1
1
1
1
1
0.0086
0.3209
0.5356
0.8733
0.9955
0.7251
0.9125
0.3965
9.154669
8
0.3294
Joint
Component
Jarque-Bera
df
Prob.
1
11.23358
2
0.0036
268
2
3
4
5
6
7
8
1.073673
0.424157
0.227030
4.050235
0.868382
1.265179
0.967175
2
2
2
2
2
2
2
0.5846
0.8089
0.8927
0.1320
0.6478
0.5312
0.6166
Joint
20.10941
16
0.2153
ERRORES ESTIMADOS
D(LY) Residuals
D(LCP) Residuals
.04
D(LI) Residuals
.03
.10
.02
.02
.05
.01
.00
.00
-.02
-.01
.00
-.02
-.05
-.04
-.03
-.06
-.04
75
80
85
90
95
00
05
10
-.10
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LRR) Residuals
.08
85
90
95
00
05
10
05
10
D(LWR) Residuals
.2
.15
.1
.10
.02
.0
.05
.00
-.1
.00
-.2
-.05
.06
.04
-.02
-.04
-.06
-.3
75
80
85
90
95
00
05
10
-.10
75
80
D(LPOCA) Residuals
85
90
95
00
05
10
05
10
75
80
85
90
95
00
D(LDP) Residuals
.00015
.08
.00010
.04
.00005
.00
.00000
-.04
-.00005
-.08
-.00010
-.00015
-.12
75
80
85
90
95
00
05
10
75
80
85
90
95
00
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
269
Pairwise Granger Causality Tests
Date: 12/7/13 Time: 03:58
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
0.88701
5.25884
0.4587
0.0047
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
1.21190
4.48503
0.3218
0.0100
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
38
1.29106
0.65939
0.2949
0.5833
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
mecanismo PRODUCTO
Wald Test:
System: WALDproducto
Test Statistic
Chi-square
Value
df
0.003042
Probability
1
0.9560
Value
Std. Err.
0.000257
0.004663
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.015000000000000006 + C(127)
Restrictions are linear in coefficients.
MECANISMO DE CONSUMO PRIVADO
Wald Test:
System: WALDconsumoprivado
Test Statistic
Chi-square
Value
232.0381
df
Probability
1
0.0000
Value
Std. Err.
4.893035
0.321217
Null Hypothesis Summary:
Normalized Restriction (= 0)
5.24 + C(150)
Restrictions are linear in coefficients.
270
MECANISMO DE INVERSION PRIVADA
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.29E-08
Probability
1
0.9999
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.396 + C(45)
-5.41E-05
0.476061
Restrictions are linear in coefficients.
MECANISMO DE GASTO PÚBLICO
Wald Test:
System: WALDgastopublico
Test Statistic
Chi-square
Value
df
4.21E-06
Probability
1
0.9984
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.733 + C(46)
-0.000700
0.341275
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
1.05E-06
df
Probability
1
0.9992
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.96 + C(109)
-0.000419
0.408952
Restrictions are linear in coefficients.
271
ADJUNTO SOBRE EL S ALVA DOR
ADJUNTO SOBRE EL SALVADOR
ANEXO 1 RAICES UNITARIAS
PRODUCTO
Null Hypothesis: LY has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.077942
-4.198503
-3.523623
-3.192902
0.5423
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY)
Method: Least Squares
Date: 12/08/13 Time: 19:11
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LY(-1)
C
@TREND(1970)
-0.199236
0.774538
0.001624
0.095881
0.367174
0.000961
-2.077942
2.109458
1.690707
0.0445
0.0415
0.0991
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.103038
0.055829
0.036389
0.050317
79.23453
2.182603
0.126681
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.009756
0.037449
-3.718758
-3.593374
-3.673100
1.761714
CONSUMO PRIVADO
Null Hypothesis: LCP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on HQ, MAXLAG=9)
t-Statistic
Prob.*
272
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
-1.833369
-4.198503
-3.523623
-3.192902
0.6701
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LCP)
Method: Least Squares
Date: 12/08/13 Time: 19:14
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LCP(-1)
C
@TREND(1970)
-0.162479
0.597440
0.002287
0.088623
0.323401
0.001254
-1.833369
1.847368
1.823347
0.0746
0.0725
0.0761
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.086827
0.038765
0.049969
0.094881
66.23196
1.806563
0.178038
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.012195
0.050966
-3.084486
-2.959103
-3.038828
1.716343
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.144791
-4.205004
-3.526609
-3.194611
0.5061
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/08/13 Time: 19:15
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
273
LI(-1)
D(LI(-1))
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
-0.188767
0.265088
0.549723
0.002559
0.137556
0.065685
0.058684
0.123976
58.77334
1.913943
0.144763
0.088012
0.163024
0.252638
0.001428
-2.144791
1.626063
2.175931
1.791611
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0388
0.1127
0.0362
0.0816
0.012500
0.060712
-2.738667
-2.569779
-2.677602
2.034963
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.923348
-4.198503
-3.523623
-3.192902
0.1661
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/08/13 Time: 19:23
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
C
@TREND(1970)
-0.357608
1.105356
0.000677
0.122328
0.375903
0.000820
-2.923348
2.940534
0.825126
0.0058
0.0056
0.4145
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.184175
0.141237
0.058430
0.129736
59.81794
4.289311
0.020909
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.004878
0.063052
-2.771607
-2.646223
-2.725949
2.158630
COMERCIO INTRARREGIONAL
274
Null Hypothesis: LR has a unit root
Exogenous: Constant
Lag Length: 8 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
0.824790
-3.646342
-2.954021
-2.615817
0.9930
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/08/13 Time: 19:27
Sample (adjusted): 1979 2011
Included observations: 33 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
D(LR(-1))
D(LR(-2))
D(LR(-3))
D(LR(-4))
D(LR(-5))
D(LR(-6))
D(LR(-7))
D(LR(-8))
C
0.038931
-0.444880
-0.058952
0.387964
0.272998
0.316036
-0.356830
-0.433015
-0.344249
-0.065139
0.047202
0.204495
0.202205
0.177431
0.183914
0.180727
0.170964
0.187644
0.195585
0.131194
0.824790
-2.175512
-0.291544
2.186566
1.484374
1.748694
-2.087161
-2.307636
-1.760101
-0.496506
0.4180
0.0401
0.7732
0.0392
0.1513
0.0937
0.0481
0.0304
0.0917
0.6242
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.453654
0.239866
0.076358
0.134103
44.01831
2.121984
0.070306
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.027273
0.087581
-2.061716
-1.608229
-1.909131
2.006611
Null Hypothesis: LR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 5 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.872575
-4.234972
-3.540328
-3.202445
0.0238
*MacKinnon (1996) one-sided p-values.
275
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/08/13 Time: 19:24
Sample (adjusted): 1976 2011
Included observations: 36 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
D(LR(-1))
D(LR(-2))
D(LR(-3))
D(LR(-4))
D(LR(-5))
C
@TREND(1970)
-0.382850
-0.123638
0.134535
0.437258
0.365299
0.518198
0.805791
0.012376
0.098862
0.147834
0.147515
0.150017
0.164813
0.157446
0.213407
0.003079
-3.872575
-0.836330
0.912007
2.914718
2.216450
3.291281
3.775835
4.019476
0.0006
0.4101
0.3696
0.0069
0.0350
0.0027
0.0008
0.0004
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.488104
0.360129
0.068464
0.131245
49.97403
3.814081
0.004977
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.030556
0.085589
-2.331890
-1.979997
-2.209070
2.010906
COMERCIO EXTRARREGIONAL
Null Hypothesis: LW has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.462609
-4.198503
-3.523623
-3.192902
0.3440
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LW)
Method: Least Squares
Date: 12/08/13 Time: 19:30
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LW(-1)
-0.267135
0.108476
-2.462609
0.0184
276
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.745222
0.007551
0.137798
0.092419
0.084557
0.271699
44.66451
3.036608
0.059782
0.288126
0.003303
2.586447
2.286122
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0137
0.0279
0.036585
0.088758
-2.032415
-1.907032
-1.986758
2.001548
POBLACION
Null Hypothesis: LPO has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.224212
-4.198503
-3.523623
-3.192902
0.4641
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPO)
Method: Least Squares
Date: 12/08/13 Time: 19:32
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPO(-1)
C
@TREND(1970)
-0.254360
1.687067
0.001315
0.114360
0.754693
0.000724
-2.224212
2.235437
1.815193
0.0322
0.0313
0.0774
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.123294
0.077151
0.020950
0.016679
101.8709
2.672022
0.082078
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.004878
0.021808
-4.822970
-4.697587
-4.777312
1.861940
POBLACION TOTAL DE CENTROAMERICA (EXCLUYE PANAMA)
Null Hypothesis: LPOCA has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
277
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.190199
-3.621023
-2.943427
-2.610263
0.2130
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCA)
Method: Least Squares
Date: 12/10/13 Time: 13:40
Sample (adjusted): 1975 2011
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCA(-1)
D(LPOCA(-1))
D(LPOCA(-2))
D(LPOCA(-3))
D(LPOCA(-4))
C
-0.000578
3.068028
-3.887910
2.409163
-0.636617
0.010914
0.000264
0.146490
0.386473
0.389547
0.149937
0.004947
-2.190199
20.94356
-10.05998
6.184527
-4.245910
2.206042
0.0362
0.0000
0.0000
0.0000
0.0002
0.0349
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.999761
0.999722
5.06E-05
7.94E-08
316.7476
25935.74
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021240
0.003038
-16.79717
-16.53594
-16.70507
2.142626
DEFLACTOR DEL PIB
Null Hypothesis: LDP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on AIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.139463
-4.198503
-3.523623
-3.192902
0.5093
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/08/13 Time: 19:33
Sample (adjusted): 1971 2011
278
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
C
@TREND(1970)
-0.231756
0.379640
0.004985
0.108325
0.163757
0.002573
-2.139463
2.318311
1.937419
0.0389
0.0259
0.0602
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.119215
0.072858
0.040350
0.061870
74.99758
2.571672
0.089645
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021951
0.041906
-3.512077
-3.386694
-3.466420
2.047324
ANEXO 2 TEST DE COINTEGRACION
Date: 12/8/13 Time: 09:09
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Trend assumption: Linear deterministic trend
Series: LY LCP LI LG LRR LWR LPOCA LDP
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4 *
At most 5 *
At most 6 *
At most 7
0.886096
0.840137
0.816253
0.748928
0.586697
0.464384
0.317932
0.022619
359.8185
272.9226
199.5851
131.8172
76.53665
41.19366
16.22015
0.915130
159.5297
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0000
0.0000
0.0000
0.0016
0.0388
0.3388
Trace test indicates 7 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4 *
At most 5 *
At most 6 *
0.886096
0.840137
0.816253
0.748928
0.586697
0.464384
0.317932
86.89586
73.33749
67.76790
55.28057
35.34299
24.97351
15.30502
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
0.0000
0.0000
0.0000
0.0000
0.0041
0.0137
0.0341
279
At most 7
0.022619
0.915130
3.841466
0.3388
Max-eigenvalue test indicates 7 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/8/13 Time: 09:11
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Standard errors in ( ) & t-statistics in [ ]
LY
LCP
LI
LG
LRR
LWR
LPOCA
LDP
LY(-1)
1.374108 1.196759 3.091816 1.124091 6.657231 7.106321 -0.000122 0.613480
(0.52403) (0.99796) (2.12357) (1.48115) (1.73345) (2.17840) (0.00291) (0.53353)
[ 2.62217] [ 1.19921] [ 1.45595] [ 0.75893] [ 3.84045] [ 3.26218] [-0.04177] [ 1.14985]
LY(-2)
-0.542583 0.258816 -1.007434 0.975846 1.140361 -2.641169 0.005086 0.974023
(0.46877) (0.89271) (1.89962) (1.32494) (1.55064) (1.94866) (0.00260) (0.47726)
[-1.15746] [ 0.28992] [-0.53033] [ 0.73652] [ 0.73541] [-1.35538] [ 1.95261] [ 2.04085]
LCP(-1)
0.093515 0.378283 -0.202134 -0.126654 -1.523529 -0.762544 0.001866 -0.558309
(0.22427) (0.42709) (0.90881) (0.63387) (0.74185) (0.93227) (0.00125) (0.22833)
[ 0.41698] [ 0.88573] [-0.22242] [-0.19981] [-2.05369] [-0.81794] [ 1.49796] [-2.44518]
LCP(-2)
-0.103476 -0.790864 -0.619458 -0.765066 -0.273306 -0.934948 -0.001240 -0.770901
(0.25718) (0.48977) (1.04219) (0.72690) (0.85073) (1.06909) (0.00143) (0.26184)
[-0.40235] [-1.61477] [-0.59438] [-1.05250] [-0.32126] [-0.87452] [-0.86779] [-2.94415]
LI(-1)
0.016363 0.155641 0.413887 -0.208161 -0.672094 -0.893337 -2.88E-05 0.046173
(0.06735) (0.12826) (0.27293) (0.19036) (0.22279) (0.27997) (0.00037) (0.06857)
[ 0.24296] [ 1.21348] [ 1.51648] [-1.09351] [-3.01675] [-3.19080] [-0.07688] [ 0.67336]
LI(-2)
-0.043874 -0.046584 -0.153000 -0.249078 -0.328986 -0.061975 -0.001374 0.199243
(0.07024) (0.13377) (0.28465) (0.19854) (0.23236) (0.29200) (0.00039) (0.07152)
[-0.62460] [-0.34823] [-0.53749] [-1.25455] [-1.41585] [-0.21224] [-3.52084] [ 2.78594]
LG(-1)
0.054660 -0.002525 -0.270146 0.421962 0.570788 0.898505 0.000831 -0.136129
(0.08515) (0.16216) (0.34507) (0.24068) (0.28167) (0.35397) (0.00047) (0.08669)
[ 0.64191] [-0.01557] [-0.78288] [ 1.75324] [ 2.02642] [ 2.53834] [ 1.75596] [-1.57020]
LG(-2)
-0.145122 -0.303436 -0.332906 -0.416402 -0.764324 -1.245795 0.001405 -0.161485
(0.08514) (0.16214) (0.34503) (0.24065) (0.28164) (0.35394) (0.00047) (0.08669)
[-1.70445] [-1.87139] [-0.96486] [-1.73031] [-2.71379] [-3.51981] [ 2.96917] [-1.86287]
LRR(-1)
-0.001212 -0.013507 -0.095914 -0.152321 -0.210783 -0.018363 -0.000194 -0.076221
(0.04710) (0.08969) (0.19085) (0.13311) (0.15579) (0.19578) (0.00026) (0.04795)
[-0.02574] [-0.15059] [-0.50256] [-1.14429] [-1.35300] [-0.09380] [-0.74273] [-1.58960]
LRR(-2)
0.051888
0.057572 -0.050394 -0.102765
0.045783
0.226527 -0.000216 -0.020836
280
(0.04123) (0.07851) (0.16707) (0.11653) (0.13638) (0.17138) (0.00023) (0.04198)
[ 1.25856] [ 0.73327] [-0.30163] [-0.88189] [ 0.33570] [ 1.32174] [-0.94376] [-0.49639]
LWR(-1)
-0.036551 -0.084051 -0.078038 0.150108 -0.107937 -0.037846 -0.000916 0.072716
(0.05004) (0.09529) (0.20277) (0.14143) (0.16552) (0.20801) (0.00028) (0.05095)
[-0.73045] [-0.88204] [-0.38485] [ 1.06136] [-0.65210] [-0.18194] [-3.29613] [ 1.42734]
LWR(-2)
0.011616 -0.042591 0.138063 0.290004 -0.410209 0.241640 -0.000323 -0.033167
(0.03826) (0.07286) (0.15505) (0.10814) (0.12656) (0.15905) (0.00021) (0.03895)
[ 0.30359] [-0.58453] [ 0.89045] [ 2.68168] [-3.24112] [ 1.51926] [-1.51813] [-0.85144]
LPOCA(-1)
-9.453541 -1.777134 -39.19396 -14.50091 92.30064 72.72657 2.142426 38.87517
(9.36004) (17.8250) (37.9302) (26.4555) (30.9620) (38.9094) (0.05200) (9.52966)
[-1.00999] [-0.09970] [-1.03332] [-0.54812] [ 2.98109] [ 1.86912] [ 41.1973] [ 4.07939]
LPOCA(-2)
9.876737 2.768654 38.98037 12.31229 -94.29831 -71.85829 -1.138441 -38.43886
(9.35875) (17.8226) (37.9249) (26.4518) (30.9577) (38.9041) (0.05200) (9.52835)
[ 1.05535] [ 0.15535] [ 1.02783] [ 0.46546] [-3.04604] [-1.84706] [-21.8944] [-4.03416]
LDP(-1)
0.094387 0.146230 1.069984 0.072803 0.988776 0.264784 -0.001001 0.664155
(0.18760) (0.35726) (0.76022) (0.53024) (0.62056) (0.77985) (0.00104) (0.19100)
[ 0.50313] [ 0.40931] [ 1.40746] [ 0.13730] [ 1.59336] [ 0.33953] [-0.96033] [ 3.47725]
LDP(-2)
-0.223676 -0.372996 -1.035098 0.715317 -0.570838 -0.296322 -0.000930 0.320216
(0.19559) (0.37248) (0.79261) (0.55283) (0.64700) (0.81307) (0.00109) (0.19914)
[-1.14358] [-1.00138] [-1.30593] [ 1.29392] [-0.88228] [-0.36445] [-0.85616] [ 1.60801]
C
-3.946706 -14.86053 2.234895 32.37059 -13.36432 -30.90580 -0.115427 -10.40689
(3.41559) (6.50457) (13.8412) (9.65393) (11.2984) (14.1985) (0.01898) (3.47749)
[-1.15550] [-2.28463] [ 0.16147] [ 3.35310] [-1.18285] [-2.17669] [-6.08249] [-2.99264]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.995000 0.990399 0.967800 0.860347 0.977664 0.944645 1.000000 0.998968
0.991522 0.983720 0.945400 0.763197 0.962126 0.906138 1.000000 0.998250
0.014544 0.052744 0.238828 0.116184 0.159138 0.251319 4.49E-07 0.015075
0.025146 0.047888 0.101901 0.071074 0.083181 0.104532 0.000140 0.025602
286.0599 148.2869 43.20548 8.855881 62.92125 24.53147 7880207. 1391.312
101.6322 75.86606 45.66030 60.07165 53.77977 44.64072 309.3475 100.9138
-4.231610 -2.943303 -1.433015 -2.153583 -1.838989 -1.382036 -14.61738 -4.195691
-3.513837 -2.225529 -0.715241 -1.435809 -1.121215 -0.664262 -13.89960 -3.477917
9.256409 9.035361 7.296214 7.214146 1.904166 2.939853 17.10177 4.680865
0.273096 0.375316 0.436097 0.146055 0.427419 0.341196 0.251204 0.611977
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
6.57E-28
7.85E-30
886.2908
-37.51454
-31.77235
281
COMPORTAMIENTO DE LOS ERRORES
LY Residuals
LCP Residuals
LI Residuals
.06
.15
.2
.04
.10
.1
.02
.05
.0
.00
.00
-.1
-.02
-.05
-.2
-.04
-.10
75
80
85
90
95
00
05
10
-.3
75
80
LG Residuals
85
90
95
00
05
10
75
80
LRR Residuals
.2
.2
.1
.1
.0
.0
-.1
-.1
-.2
-.2
85
90
95
00
05
10
00
05
10
LWR Residuals
.2
.1
.0
-.3
-.1
-.3
75
80
85
90
95
00
05
10
-.2
75
80
LPOCA Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0004
.04
.0003
.02
.0002
.00
.0001
-.02
.0000
-.04
-.0001
-.06
-.0002
-.0003
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
TEST DE AUTOCORRELACION
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/8/13 Time: 09:13
Sample: 1970 2011
Included observations: 40
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
115.4575
123.4389
96.01046
86.97249
72.93260
72.56486
53.33912
70.51695
0.0001
0.0000
0.0059
0.0297
0.2079
0.2165
0.8265
0.2689
282
9
10
11
12
57.89453
63.79360
62.06464
65.69843
0.6909
0.4838
0.5453
0.4177
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/8/13 Time: 09:14
Sample: 1970 2011
Included observations: 40
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
0.021078
0.493863
-0.134645
-0.415903
0.158271
0.116653
0.113668
0.010920
0.002962
1.626008
0.120861
1.153171
0.166998
0.090719
0.086136
0.000795
1
1
1
1
1
1
1
1
0.9566
0.2023
0.7281
0.2829
0.6828
0.7633
0.7691
0.9775
3.247649
8
0.9179
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
0.942837
2.226243
0.722608
1.039029
1.644308
0.710691
1.225098
0.764193
7.053200
0.997833
8.644193
6.409010
3.063170
8.734892
5.250460
8.331385
1
1
1
1
1
1
1
1
0.0079
0.3178
0.0033
0.0114
0.0801
0.0031
0.0219
0.0039
48.48414
8
0.0000
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
7.056162
2.623841
8.765054
7.562180
3.230167
8.825611
5.336596
2
2
2
2
2
2
2
0.0294
0.2693
0.0125
0.0228
0.1989
0.0121
0.0694
283
8
8.332180
2
0.0155
Joint
51.73179
16
0.0000
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/8/13 Time: 09:16
Sample: 1970 2011
Included observations: 40
Joint test:
Chi-sq
df
Prob.
1144.892
1116
0.2675
Individual components:
Dependent
R-squared
F(31,8)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
res4*res1
res4*res2
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
0.847140
0.957066
0.850709
0.943059
0.874845
0.900623
0.792930
0.901289
0.942506
0.828575
0.810232
0.916384
0.938039
0.604605
0.853024
0.901769
0.830614
0.950412
0.714982
0.780650
0.764811
0.803504
0.729729
0.733695
0.735068
0.748553
0.555648
0.755670
0.623199
0.887318
0.782454
1.430174
5.752651
1.470534
4.274059
1.803889
2.338768
0.988201
2.356288
4.230510
1.247346
1.101827
2.828242
3.906892
0.394611
1.497758
2.369045
1.265461
4.946120
0.647369
0.918431
0.839200
1.055268
0.696773
0.710992
0.716015
0.768252
0.322702
0.798149
0.426819
2.032133
0.928188
0.3104
0.0071
0.2946
0.0186
0.1938
0.1046
0.5526
0.1026
0.0192
0.3942
0.4771
0.0632
0.0246
0.9700
0.2845
0.1012
0.3850
0.0117
0.8176
0.6033
0.6643
0.5069
0.7786
0.7672
0.7631
0.7210
0.9891
0.6969
0.9574
0.1476
0.5960
33.88559
38.28264
34.02835
37.72235
34.99379
36.02493
31.71719
36.05157
37.70025
33.14301
32.40926
36.65536
37.52156
24.18420
34.12094
36.07075
33.22454
38.01648
28.59930
31.22600
30.59244
32.14016
29.18918
29.34780
29.40274
29.94210
22.22593
30.22680
24.92797
35.49271
31.29816
0.3300
0.1725
0.3239
0.1888
0.2840
0.2450
0.4305
0.2440
0.1895
0.3630
0.3971
0.2229
0.1950
0.8030
0.3199
0.2433
0.3593
0.1801
0.5901
0.4549
0.4869
0.4100
0.5594
0.5511
0.5483
0.5203
0.8758
0.5056
0.7709
0.2647
0.4513
284
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.784757
0.595868
0.864829
0.928483
0.660245
0.940882
0.380501
1.651110
3.350372
0.501496
0.5866
0.9747
0.2341
0.0390
0.9193
31.39029
23.83474
34.59317
37.13932
26.40980
0.4467
0.8172
0.3002
0.2070
0.7015
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LY LCP LI LG LRR LWR LPOCA LDP
Exogenous variables: C
Date: 12/8/13 Time: 09:18
Sample: 1970 2011
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
268.1453
697.7996
868.7208
1033.175
NA
661.0067
192.8342
118.0694*
2.22e-16
1.71e-24
1.09e-26
2.57e-28*
-13.34078
-32.09229
-37.57543
-42.72690*
-12.99954
-29.02110
-31.77429
-34.19582*
-13.21835
-30.99037
-35.49403
-39.66602*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
ANEXO 4 VECM ESTIMADO
Vector Error Correction Estimates
Date: 12/8/13 Time: 10:30
Sample (adjusted): 1973 2011
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
LY(-1)
1.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
LG(-1)
0.106900 0.938532 -0.285581
(0.05738) (0.07360) (0.15690)
[ 1.86309] [ 12.7522] [-1.82012]
LRR(-1)
-0.164547 -0.107407 -0.359319
(0.02960) (0.03797) (0.08094)
285
[-5.55899] [-2.82890] [-4.43917]
LWR(-1)
-0.324460 -0.288006 -0.445231
(0.03971) (0.05093) (0.10858)
[-8.17111] [-5.65459] [-4.10034]
LPOCA(-1)
0.133532 1.227892 0.268368
(0.21352) (0.27388) (0.58389)
[ 0.62538] [ 4.48327] [ 0.45962]
LDP(-1)
0.062088 -0.536640 0.485759
(0.06577) (0.08436) (0.17984)
[ 0.94405] [-6.36140] [ 2.70100]
C
-11.32981 -33.23064 -10.09706
Ec. Con correción:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
CointEq1
0.955410 0.807251 3.523854 0.420439 5.711759 9.122493 0.000621 -0.495774
(0.49865) (1.13787) (2.03585) (2.03106) (2.01018) (1.67184) (0.00138) (0.52133)
[ 1.91598] [ 0.70944] [ 1.73090] [ 0.20700] [ 2.84141] [ 5.45657] [ 0.45003] [-0.95098]
CointEq2
-0.415945 -0.818270 -1.761335 0.380024 -0.412580 -1.280481 0.000174 0.344993
(0.11476) (0.26186) (0.46852) (0.46742) (0.46261) (0.38475) (0.00032) (0.11998)
[-3.62456] [-3.12479] [-3.75935] [ 0.81303] [-0.89185] [-3.32810] [ 0.54853] [ 2.87553]
CointEq3
-0.222486 -0.152630 -1.032312 -0.134382 -1.463079 -2.457705 -0.000841 0.124801
(0.14945) (0.34103) (0.61016) (0.60872) (0.60246) (0.50106) (0.00041) (0.15624)
[-1.48871] [-0.44756] [-1.69188] [-0.22076] [-2.42850] [-4.90503] [-2.03472] [ 0.79876]
D(LY(-1))
0.506515 0.686782 2.326893 0.690624 1.939465 2.009714 0.001187 0.695870
(0.53555) (1.22207) (2.18650) (2.18136) (2.15893) (1.79555) (0.00148) (0.55990)
[ 0.94578] [ 0.56198] [ 1.06421] [ 0.31660] [ 0.89834] [ 1.11927] [ 0.80098] [ 1.24284]
D(LY(-2))
0.133508 1.930586 2.091966 -0.274236 1.325340 -0.839946 -0.000308 0.666522
(0.46020) (1.05012) (1.87885) (1.87443) (1.85516) (1.54291) (0.00127) (0.48112)
[ 0.29011] [ 1.83844] [ 1.11343] [-0.14630] [ 0.71441] [-0.54439] [-0.24194] [ 1.38535]
D(LCP(-1))
0.100502 0.203316 0.574913 -0.170141 -1.579663 -0.598999 -0.000477 -0.344831
(0.20250) (0.46207) (0.82673) (0.82478) (0.81631) (0.67891) (0.00056) (0.21170)
[ 0.49632] [ 0.44001] [ 0.69541] [-0.20629] [-1.93514] [-0.88230] [-0.85182] [-1.62884]
D(LCP(-2))
-0.045230 -0.785736 -0.324229 -0.750398 -0.370473 -1.065848 0.000409 -0.778506
(0.19762) (0.45094) (0.80681) (0.80491) (0.79664) (0.66255) (0.00055) (0.20660)
[-0.22888] [-1.74244] [-0.40187] [-0.93227] [-0.46505] [-1.60871] [ 0.74897] [-3.76815]
D(LI(-1))
0.206882 0.251932 0.358983 0.028352 0.829355 1.072858 0.000535 -0.143569
(0.13486) (0.30773) (0.55058) (0.54928) (0.54363) (0.45213) (0.00037) (0.14099)
[ 1.53410] [ 0.81869] [ 0.65201] [ 0.05162] [ 1.52558] [ 2.37289] [ 1.43429] [-1.01831]
D(LI(-2))
0.076414 -0.016895 -0.146428 0.027132 0.604090 0.974756 0.000525 0.090787
(0.10945) (0.24975) (0.44686) (0.44580) (0.44122) (0.36696) (0.00030) (0.11443)
[ 0.69816] [-0.06765] [-0.32768] [ 0.06086] [ 1.36913] [ 2.65633] [ 1.73254] [ 0.79340]
D(LG(-1))
0.223361 0.566230 0.705015 -0.325300 -0.155526 0.388117 -0.000877 -0.235917
(0.13120) (0.29939) (0.53567) (0.53441) (0.52891) (0.43989) (0.00036) (0.13717)
[ 1.70240] [ 1.89126] [ 1.31614] [-0.60871] [-0.29405] [ 0.88231] [-2.41691] [-1.71989]
286
D(LG(-2))
0.217568 0.349406 0.712373 -0.669113 -0.356349 -0.337356 -0.000428 -0.442248
(0.11210) (0.25581) (0.45768) (0.45661) (0.45191) (0.37585) (0.00031) (0.11720)
[ 1.94079] [ 1.36590] [ 1.55647] [-1.46540] [-0.78853] [-0.89759] [-1.37945] [-3.77344]
D(LRR(-1))
-0.073901 -0.148996 -0.190935 -0.118672 -0.455156 -0.088934 0.000273 -0.005656
(0.04588) (0.10470) (0.18732) (0.18688) (0.18496) (0.15383) (0.00013) (0.04797)
[-1.61068] [-1.42310] [-1.01928] [-0.63501] [-2.46082] [-0.57813] [ 2.14751] [-0.11792]
D(LRR(-2))
-0.035100 -0.072858 -0.080241 -0.113233 -0.209715 -0.037382 0.000166 0.006814
(0.04019) (0.09170) (0.16407) (0.16369) (0.16200) (0.13474) (0.00011) (0.04201)
[-0.87341] [-0.79450] [-0.48906] [-0.69177] [-1.29450] [-0.27745] [ 1.49098] [ 0.16218]
D(LWR(-1))
0.000757 -0.171347 -0.181205 0.324895 0.651962 0.511174 -0.000498 0.088865
(0.07319) (0.16701) (0.29880) (0.29810) (0.29503) (0.24538) (0.00020) (0.07652)
[ 0.01034] [-1.02600] [-0.60644] [ 1.08989] [ 2.20978] [ 2.08323] [-2.45760] [ 1.16140]
D(LWR(-2))
0.001661 -0.116548 -0.145702 0.377559 -0.117951 0.338913 -0.000603 0.011249
(0.04671) (0.10660) (0.19072) (0.19027) (0.18831) (0.15662) (0.00013) (0.04884)
[ 0.03556] [-1.09336] [-0.76396] [ 1.98434] [-0.62636] [ 2.16396] [-4.66669] [ 0.23033]
D(LPOCA(-1))
60.92743 184.6261 168.6757 -146.5428 -28.47872 -18.71329 1.522494 -12.90824
(42.1293) (96.1346) (172.002) (171.597) (169.833) (141.247) (0.11654) (44.0450)
[ 1.44620] [ 1.92050] [ 0.98066] [-0.85399] [-0.16769] [-0.13249] [ 13.0639] [-0.29307]
D(LPOCA(-2))
-73.90893 -231.6700 -264.2297 182.6575 112.0497 94.49787 -0.626696 36.94450
(47.8162) (109.111) (195.220) (194.760) (192.758) (160.314) (0.13227) (49.9905)
[-1.54569] [-2.12324] [-1.35350] [ 0.93786] [ 0.58130] [ 0.58946] [-4.73788] [ 0.73903]
D(LDP(-1))
0.329174 0.430472 1.485073 0.177480 2.228392 1.575487 0.001050 0.032971
(0.21459) (0.48966) (0.87609) (0.87403) (0.86504) (0.71944) (0.00059) (0.22434)
[ 1.53400] [ 0.87912] [ 1.69511] [ 0.20306] [ 2.57605] [ 2.18987] [ 1.76925] [ 0.14697]
D(LDP(-2))
0.324710 0.455550 1.420184 0.515085 1.119904 2.718634 -9.77E-06 0.104842
(0.19378) (0.44218) (0.79113) (0.78927) (0.78115) (0.64967) (0.00054) (0.20259)
[ 1.67570] [ 1.03025] [ 1.79513] [ 0.65261] [ 1.43365] [ 4.18462] [-0.01822] [ 0.51752]
C
0.257574 1.008484 1.901145 -0.839392 -2.053675 -1.937411 0.002121 -0.475625
(0.28793) (0.65703) (1.17554) (1.17277) (1.16072) (0.96535) (0.00080) (0.30102)
[ 0.89457] [ 1.53492] [ 1.61725] [-0.71573] [-1.76932] [-2.00695] [ 2.66290] [-1.58002]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.832410 0.643288 0.661769 0.371805 0.831854 0.893809 0.999770 0.828544
0.664821 0.286575 0.323539 -0.256389 0.663709 0.787618 0.999541 0.657087
0.011740 0.061132 0.195692 0.194772 0.190788 0.131968 8.98E-08 0.012832
0.024858 0.056723 0.101487 0.101248 0.100207 0.083341 6.88E-05 0.025988
4.966961 1.803379 1.956562 0.591864 4.947222 8.416980 4354.490 4.832386
102.7731 70.59794 47.90947 48.00137 48.40438 55.59217 332.4928 101.0389
-4.244776 -2.594766 -1.431255 -1.435968 -1.456635 -1.825239 -16.02527 -4.155842
-3.391668 -1.741658 -0.578146 -0.582859 -0.603526 -0.972131 -15.17217 -3.302733
0.018967 0.024083 0.023342 0.012467 0.024039 0.027001 0.021526 0.055443
0.042936 0.067156 0.123392 0.090328 0.172799 0.180842 0.003209 0.044379
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
1.68E-29
5.33E-32
961.4836
-39.87095
287
Schwarz criterion
-32.02236
P-VALUES DE LOS COEFICIENTES Y ECUACIONES DEL VECM
System: UNTITLED
Estimation Method: Least Squares
Date: 12/8/13 Time: 10:39
Sample: 1973 2011
Included observations: 39
Total system (balanced) observations 312
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
C(17)
C(18)
C(19)
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
Coefficient
Std. Error
t-Statistic
Prob.
0.955410
-0.415945
-0.222486
0.506515
0.133508
0.100502
-0.045230
0.206882
0.076414
0.223361
0.217568
-0.073901
-0.035100
0.000757
0.001661
60.92743
-73.90893
0.329174
0.324710
0.257574
0.807251
-0.818270
-0.152630
0.686782
1.930586
0.203316
-0.785736
0.251932
-0.016895
0.566230
0.349406
-0.148996
-0.072858
-0.171347
-0.116548
184.6261
-231.6700
0.430472
0.455550
1.008484
3.523854
0.498653
0.114757
0.149449
0.535552
0.460198
0.202495
0.197616
0.134856
0.109451
0.131204
0.112103
0.045882
0.040187
0.073187
0.046714
42.12934
47.81623
0.214586
0.193776
0.287931
1.137872
0.261864
0.341026
1.222073
1.050122
0.462073
0.450939
0.307726
0.249755
0.299393
0.255807
0.104698
0.091703
0.167005
0.106596
96.13462
109.1115
0.489661
0.442175
0.657028
2.035854
1.915984
-3.624559
-1.488708
0.945780
0.290110
0.496318
-0.228877
1.534097
0.698158
1.702399
1.940789
-1.610678
-0.873413
0.010344
0.035565
1.446200
-1.545687
1.533999
1.675699
0.894568
0.709439
-3.124792
-0.447561
0.561982
1.838440
0.440009
-1.742445
0.818689
-0.067648
1.891261
1.365897
-1.423100
-0.794500
-1.026000
-1.093362
1.920496
-2.123241
0.879122
1.030247
1.534917
1.730897
0.0572
0.0004
0.1386
0.3458
0.7721
0.6204
0.8193
0.1271
0.4861
0.0907
0.0541
0.1093
0.3838
0.9918
0.9717
0.1502
0.1243
0.1271
0.0959
0.3724
0.4791
0.0021
0.6551
0.5750
0.0679
0.6606
0.0835
0.4142
0.9462
0.0605
0.1740
0.1568
0.4281
0.3065
0.2760
0.0567
0.0354
0.3807
0.3045
0.1269
0.0855
288
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
C(74)
C(75)
C(76)
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(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)
-1.761335
-1.032312
2.326893
2.091966
0.574913
-0.324229
0.358983
-0.146428
0.705015
0.712373
-0.190935
-0.080241
-0.181205
-0.145702
168.6757
-264.2297
1.485073
1.420184
1.901145
0.420439
0.380024
-0.134382
0.690624
-0.274236
-0.170141
-0.750398
0.028352
0.027132
-0.325300
-0.669113
-0.118672
-0.113233
0.324895
0.377559
-146.5428
182.6575
0.177480
0.515085
-0.839392
5.711759
-0.412580
-1.463079
1.939465
1.325340
-1.579663
-0.370473
0.829355
0.604090
-0.155526
-0.356349
-0.455156
-0.209715
0.651962
-0.117951
-28.47872
112.0497
2.228392
0.468521
0.610156
2.186504
1.878853
0.826730
0.806809
0.550577
0.446855
0.535667
0.457684
0.187323
0.164073
0.298802
0.190718
172.0018
195.2197
0.876090
0.791129
1.175539
2.031062
0.467418
0.608720
2.181358
1.874431
0.824784
0.804911
0.549281
0.445804
0.534406
0.456606
0.186882
0.163687
0.298099
0.190270
171.5970
194.7603
0.874028
0.789267
1.172773
2.010182
0.462613
0.602462
2.158933
1.855162
0.816305
0.796636
0.543634
0.441221
0.528913
0.451912
0.184961
0.162004
0.295034
0.188313
169.8329
192.7581
0.865043
-3.759353
-1.691882
1.064207
1.113427
0.695406
-0.401866
0.652012
-0.327684
1.316144
1.556475
-1.019279
-0.489058
-0.606437
-0.763962
0.980662
-1.353499
1.695114
1.795135
1.617253
0.207005
0.813028
-0.220762
0.316603
-0.146304
-0.206285
-0.932275
0.051617
0.060861
-0.608713
-1.465405
-0.635011
-0.691766
1.089889
1.984338
-0.853994
0.937858
0.203060
0.652611
-0.715733
2.841414
-0.891847
-2.428501
0.898344
0.714407
-1.935137
-0.465047
1.525576
1.369134
-0.294048
-0.788535
-2.460818
-1.294502
2.209784
-0.626356
-0.167687
0.581297
2.576048
0.0002
0.0927
0.2889
0.2673
0.4879
0.6883
0.5154
0.7436
0.1901
0.1217
0.3097
0.6255
0.5451
0.4461
0.3283
0.1779
0.0921
0.0746
0.1079
0.8363
0.4175
0.8256
0.7520
0.8839
0.8368
0.3527
0.9589
0.9515
0.5436
0.1449
0.5264
0.4901
0.2775
0.0490
0.3945
0.3498
0.8394
0.5150
0.4753
0.0051
0.3739
0.0163
0.3704
0.4761
0.0548
0.6426
0.1292
0.1730
0.7691
0.4316
0.0150
0.1975
0.0286
0.5320
0.8671
0.5619
0.0109
289
C(99)
C(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
C(131)
C(132)
C(133)
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
C(141)
C(142)
C(143)
C(144)
C(145)
C(146)
C(147)
C(148)
C(149)
C(150)
C(151)
C(152)
C(153)
C(154)
C(155)
1.119904
-2.053675
9.122493
-1.280481
-2.457705
2.009714
-0.839946
-0.598999
-1.065848
1.072858
0.974756
0.388117
-0.337356
-0.088934
-0.037382
0.511174
0.338913
-18.71329
94.49787
1.575487
2.718634
-1.937411
0.000621
0.000174
-0.000841
0.001187
-0.000308
-0.000477
0.000409
0.000535
0.000525
-0.000877
-0.000428
0.000273
0.000166
-0.000498
-0.000603
1.522494
-0.626696
0.001050
-9.77E-06
0.002121
-0.495774
0.344993
0.124801
0.695870
0.666522
-0.344831
-0.778506
-0.143569
0.090787
-0.235917
-0.442248
-0.005656
0.006814
0.088865
0.011249
0.781154
1.160716
1.671837
0.384748
0.501058
1.795550
1.542909
0.678908
0.662550
0.452132
0.366956
0.439888
0.375848
0.153829
0.134736
0.245375
0.156617
141.2474
160.3139
0.719443
0.649673
0.965349
0.001379
0.000317
0.000413
0.001481
0.001273
0.000560
0.000547
0.000373
0.000303
0.000363
0.000310
0.000127
0.000111
0.000202
0.000129
0.116542
0.132273
0.000594
0.000536
0.000797
0.521327
0.119975
0.156244
0.559904
0.481123
0.211703
0.206602
0.140988
0.114428
0.137170
0.117200
0.047968
0.042015
0.076515
0.048838
1.433654
-1.769317
5.456569
-3.328105
-4.905028
1.119275
-0.544391
-0.882297
-1.608707
2.372886
2.656327
0.882309
-0.897586
-0.578134
-0.277448
2.083232
2.163958
-0.132486
0.589455
2.189871
4.184618
-2.006953
0.450029
0.548534
-2.034722
0.800981
-0.241943
-0.851819
0.748966
1.434292
1.732535
-2.416911
-1.379452
2.147514
1.490983
-2.457600
-4.666694
13.06393
-4.737883
1.769248
-0.018220
2.662903
-0.950984
2.875527
0.798757
1.242837
1.385346
-1.628841
-3.768145
-1.018306
0.793403
-1.719892
-3.773437
-0.117920
0.162179
1.161402
0.230327
0.1537
0.0788
0.0000
0.0011
0.0000
0.2648
0.5870
0.3790
0.1098
0.0189
0.0087
0.3790
0.3708
0.5640
0.7818
0.0389
0.0320
0.8948
0.5564
0.0301
0.0000
0.0465
0.6533
0.5841
0.0436
0.4244
0.8092
0.3957
0.4550
0.1535
0.0852
0.0168
0.1698
0.0333
0.1380
0.0151
0.0000
0.0000
0.0000
0.0789
0.9855
0.0086
0.3431
0.0046
0.4257
0.2158
0.1680
0.1054
0.0002
0.3102
0.4288
0.0875
0.0002
0.9063
0.8714
0.2473
0.8181
290
C(156)
C(157)
C(158)
C(159)
C(160)
-12.90824
36.94450
0.032971
0.104842
-0.475625
Determinant residual covariance
44.04500
49.99048
0.224343
0.202587
0.301024
-0.293069
0.739031
0.146966
0.517516
-1.580024
0.7699
0.4610
0.8834
0.6055
0.1162
5.33E-32
Equation: D(LY) = C(1)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(2)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(3)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(4)*D(LY(-1)) + C(5)*D(LY(-2)) + C(6)*D(LCP(-1))
+ C(7)*D(LCP(-2)) + C(8)*D(LI(-1)) + C(9)*D(LI(-2)) + C(10)*D(LG(-1)) +
C(11)*D(LG(-2)) + C(12)*D(LRR(-1)) + C(13)*D(LRR(-2)) + C(14)
*D(LWR(-1)) + C(15)*D(LWR(-2)) + C(16)*D(LPOCA(-1)) + C(17)
*D(LPOCA(-2)) + C(18)*D(LDP(-1)) + C(19)*D(LDP(-2)) + C(20)
Observations: 39
R-squared
0.832410 Mean dependent var
0.018967
Adjusted R-squared
0.664821 S.D. dependent var
0.042936
S.E. of regression
0.024858 Sum squared resid
0.011740
Durbin-Watson stat
1.815060
Equation: D(LCP) = C(21)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(22)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(23)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(24)*D(LY(-1)) + C(25)*D(LY(-2)) + C(26)*D(LCP(
-1)) + C(27)*D(LCP(-2)) + C(28)*D(LI(-1)) + C(29)*D(LI(-2)) + C(30)
*D(LG(-1)) + C(31)*D(LG(-2)) + C(32)*D(LRR(-1)) + C(33)*D(LRR(-2)) +
C(34)*D(LWR(-1)) + C(35)*D(LWR(-2)) + C(36)*D(LPOCA(-1)) + C(37)
*D(LPOCA(-2)) + C(38)*D(LDP(-1)) + C(39)*D(LDP(-2)) + C(40)
Observations: 39
R-squared
0.643288 Mean dependent var
0.024083
Adjusted R-squared
0.286575 S.D. dependent var
0.067156
S.E. of regression
0.056723 Sum squared resid
0.061132
Durbin-Watson stat
2.284906
Equation: D(LI) = C(41)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(42)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(43)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
291
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(44)*D(LY(-1)) + C(45)*D(LY(-2)) + C(46)*D(LCP(
-1)) + C(47)*D(LCP(-2)) + C(48)*D(LI(-1)) + C(49)*D(LI(-2)) + C(50)
*D(LG(-1)) + C(51)*D(LG(-2)) + C(52)*D(LRR(-1)) + C(53)*D(LRR(-2)) +
C(54)*D(LWR(-1)) + C(55)*D(LWR(-2)) + C(56)*D(LPOCA(-1)) + C(57)
*D(LPOCA(-2)) + C(58)*D(LDP(-1)) + C(59)*D(LDP(-2)) + C(60)
Observations: 39
R-squared
0.661769 Mean dependent var
0.023342
Adjusted R-squared
0.323539 S.D. dependent var
0.123392
S.E. of regression
0.101487 Sum squared resid
0.195692
Durbin-Watson stat
1.956375
Equation: D(LG) = C(61)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(62)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(63)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(64)*D(LY(-1)) + C(65)*D(LY(-2)) + C(66)*D(LCP(
-1)) + C(67)*D(LCP(-2)) + C(68)*D(LI(-1)) + C(69)*D(LI(-2)) + C(70)
*D(LG(-1)) + C(71)*D(LG(-2)) + C(72)*D(LRR(-1)) + C(73)*D(LRR(-2)) +
C(74)*D(LWR(-1)) + C(75)*D(LWR(-2)) + C(76)*D(LPOCA(-1)) + C(77)
*D(LPOCA(-2)) + C(78)*D(LDP(-1)) + C(79)*D(LDP(-2)) + C(80)
Observations: 39
R-squared
0.371805 Mean dependent var
0.012467
Adjusted R-squared
-0.256389 S.D. dependent var
0.090328
S.E. of regression
0.101248 Sum squared resid
0.194772
Durbin-Watson stat
2.504195
Equation: D(LRR) = C(81)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(82)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(83)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(84)*D(LY(-1)) + C(85)*D(LY(-2)) + C(86)*D(LCP(
-1)) + C(87)*D(LCP(-2)) + C(88)*D(LI(-1)) + C(89)*D(LI(-2)) + C(90)
*D(LG(-1)) + C(91)*D(LG(-2)) + C(92)*D(LRR(-1)) + C(93)*D(LRR(-2)) +
C(94)*D(LWR(-1)) + C(95)*D(LWR(-2)) + C(96)*D(LPOCA(-1)) + C(97)
*D(LPOCA(-2)) + C(98)*D(LDP(-1)) + C(99)*D(LDP(-2)) + C(100)
Observations: 39
R-squared
0.831854 Mean dependent var
0.024039
Adjusted R-squared
0.663709 S.D. dependent var
0.172799
S.E. of regression
0.100207 Sum squared resid
0.190788
Durbin-Watson stat
2.435938
Equation: D(LWR) = C(101)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(102)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
292
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(103)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(104)*D(LY(-1)) + C(105)*D(LY(-2)) + C(106)
*D(LCP(-1)) + C(107)*D(LCP(-2)) + C(108)*D(LI(-1)) + C(109)*D(LI(-2))
+ C(110)*D(LG(-1)) + C(111)*D(LG(-2)) + C(112)*D(LRR(-1)) + C(113)
*D(LRR(-2)) + C(114)*D(LWR(-1)) + C(115)*D(LWR(-2)) + C(116)
*D(LPOCA(-1)) + C(117)*D(LPOCA(-2)) + C(118)*D(LDP(-1)) + C(119)
*D(LDP(-2)) + C(120)
Observations: 39
R-squared
0.893809 Mean dependent var
0.027001
Adjusted R-squared
0.787618 S.D. dependent var
0.180842
S.E. of regression
0.083341 Sum squared resid
0.131968
Durbin-Watson stat
2.427420
Equation: D(LPOCA) = C(121)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(122)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(123)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(124)*D(LY(-1)) + C(125)*D(LY(-2)) + C(126)
*D(LCP(-1)) + C(127)*D(LCP(-2)) + C(128)*D(LI(-1)) + C(129)*D(LI(-2))
+ C(130)*D(LG(-1)) + C(131)*D(LG(-2)) + C(132)*D(LRR(-1)) + C(133)
*D(LRR(-2)) + C(134)*D(LWR(-1)) + C(135)*D(LWR(-2)) + C(136)
*D(LPOCA(-1)) + C(137)*D(LPOCA(-2)) + C(138)*D(LDP(-1)) + C(139)
*D(LDP(-2)) + C(140)
Observations: 39
R-squared
0.999770 Mean dependent var
0.021526
Adjusted R-squared
0.999541 S.D. dependent var
0.003209
S.E. of regression
6.88E-05 Sum squared resid
8.98E-08
Durbin-Watson stat
1.985278
Equation: D(LDP) = C(141)*( LY(-1) + 0.106900008197*LG(-1) 0.164546538628*LRR(-1) - 0.324460124634*LWR(-1) +
0.133532339411*LPOCA(-1) + 0.0620878574237*LDP(-1) 11.3298079013 ) + C(142)*( LCP(-1) + 0.938532303362*LG(-1) 0.107406504059*LRR(-1) - 0.288006222558*LWR(-1) +
1.2278916005*LPOCA(-1) - 0.536640480604*LDP(-1) 33.2306356491 ) + C(143)*( LI(-1) - 0.285581294736*LG(-1) 0.359319187105*LRR(-1) - 0.445231151249*LWR(-1) +
0.268367716752*LPOCA(-1) + 0.485758756317*LDP(-1) 10.0970591451 ) + C(144)*D(LY(-1)) + C(145)*D(LY(-2)) + C(146)
*D(LCP(-1)) + C(147)*D(LCP(-2)) + C(148)*D(LI(-1)) + C(149)*D(LI(-2))
+ C(150)*D(LG(-1)) + C(151)*D(LG(-2)) + C(152)*D(LRR(-1)) + C(153)
*D(LRR(-2)) + C(154)*D(LWR(-1)) + C(155)*D(LWR(-2)) + C(156)
*D(LPOCA(-1)) + C(157)*D(LPOCA(-2)) + C(158)*D(LDP(-1)) + C(159)
*D(LDP(-2)) + C(160)
Observations: 39
R-squared
0.828544 Mean dependent var
0.055443
Adjusted R-squared
0.657087 S.D. dependent var
0.044379
S.E. of regression
0.025988 Sum squared resid
0.012832
Durbin-Watson stat
2.197968
293
ANEXO 5 TEST de validación DEL VECM
AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/8/13 Time: 10:40
Sample: 1973 2011
Included observations: 39
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
76.21834
144.2179
213.4227
276.8457
334.4270
394.5018
450.2408
506.3211
550.7405
601.3403
656.2393
702.5280
0.1409
0.1551
0.1381
0.1771
0.2782
0.3447
0.4614
0.5625
0.7690
0.8609
0.9006
0.9558
78.22408
149.8993
224.8712
295.5425
361.5916
432.5891
500.5211
571.0737
628.8189
696.8669
773.3333
840.1948
0.1089
0.0903
0.0522
0.0451
0.0544
0.0438
0.0434
0.0359
0.0629
0.0590
0.0353
0.0356
64
128
192
256
320
384
448
512
576
640
704
768
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
TEST DE NORMALIDAD
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/8/13 Time: 10:45
Sample: 1973 2011
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
0.182333
1.860946
-0.373520
-0.179794
-0.154042
0.442270
-0.222324
0.450170
0.216095
22.51029
0.906859
0.210118
0.154238
1.271420
0.321283
1.317247
1
1
1
1
1
1
1
1
0.6420
0.0000
0.3409
0.6467
0.6945
0.2595
0.5708
0.2511
26.90755
8
0.0007
Joint
294
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
2.321957
9.959923
2.474718
2.895412
4.331957
2.527154
2.924280
2.800425
0.747082
78.71587
0.448372
0.017775
2.882928
0.363324
0.009317
0.064724
1
1
1
1
1
1
1
1
0.3874
0.0000
0.5031
0.8939
0.0895
0.5467
0.9231
0.7992
83.24939
8
0.0000
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
0.963177
101.2262
1.355231
0.227894
3.037166
1.634743
0.330600
1.381971
2
2
2
2
2
2
2
2
0.6178
0.0000
0.5078
0.8923
0.2190
0.4416
0.8476
0.5011
Joint
110.1569
16
0.0000
ERRRORES ESTIMADOS
295
D(LY) Residuals
D(LCP) Residuals
.04
D(LI) Residuals
.20
.2
.15
.02
.1
.10
.00
.05
.0
.00
-.02
-.1
-.05
-.04
-.10
75
80
85
90
95
00
05
10
-.2
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LRR) Residuals
.2
85
90
95
00
05
10
05
10
D(LWR) Residuals
.2
.20
.15
.1
.1
.10
.0
.0
.05
-.1
.00
-.1
-.2
-.05
-.2
-.3
-.10
-.4
-.3
75
80
85
90
95
00
05
10
-.15
75
80
D(LPOCA) Residuals
85
90
95
00
05
10
05
10
75
80
85
90
95
00
D(LDP) Residuals
.00010
.04
.00005
.02
.00000
.00
-.00005
-.02
-.00010
-.04
-.00015
-.06
75
80
85
90
95
00
05
10
75
80
85
90
95
00
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
Pairwise Granger Causality Tests
Date: 12/8/13 Time: 10:48
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
0.14850
3.27788
0.9299
0.0340
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
1.22717
4.10450
0.3164
0.0146
DLRR does not Granger Cause DLWR
DLWR does not Granger Cause DLRR
38
0.30812
1.16339
0.8193
0.3395
296
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
mecanismo PRODUCTO:
ningún termino de corrección de errores fue significativo con signo negativo.
MECANISMO DE CONSUMO PRIVADO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
6.78E-05
Probability
1
0.9934
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.415 + C(2)
-0.000945
0.114757
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.06E-06
Probability
1
0.9992
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.818 + C(22)
-0.000270
0.261864
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
5.10E-07
df
Probability
1
0.9994
297
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.7609999999999997 + C(42)
Value
-0.000335
Std. Err.
0.468521
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.56E-06
Probability
1
0.9990
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.28 + C(102)
-0.000481
0.384748
Restrictions are linear in coefficients.
MECANISMO DE INVERSION PRIVADA
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.74E-08
Probability
1
0.9999
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.463 + C(83)
-7.94E-05
0.602462
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
3.48E-07
df
Probability
1
0.9995
Null Hypothesis Summary:
298
Normalized Restriction (= 0)
2.4580000000000003 + C(103)
Value
Std. Err.
0.000295
0.501058
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
0.009927
Probability
1
0.9206
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.0008 + C(123)
-4.12E-05
0.000413
Restrictions are linear in coefficients.
todos los coeficientes
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
0.009999
df
Probability
7
1.0000
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.415 + C(2)
0.818 + C(22)
1.7609999999999997 + C(42)
1.28 + C(102)
1.463 + C(83)
2.4580000000000003 + C(103)
0.0008 + C(123)
-0.000945
-0.000270
-0.000335
-0.000481
-7.94E-05
0.000295
-4.12E-05
0.114757
0.261864
0.468521
0.384748
0.602462
0.501058
0.000413
Restrictions are linear in coefficients.
299
ADJUNTO SOBRE HONDUR AS
300
adjunto sobre HONDURAS
ANEXO 1 RAICES UNITARIAS
PRODUCTO
Null Hypothesis: LY has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.343115
-4.198503
-3.523623
-3.192902
0.4025
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY)
Method: Least Squares
Date: 12/09/13 Time: 00:08
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LY(-1)
C
@TREND(1970)
-0.216318
0.753253
0.003197
0.092321
0.313552
0.001425
-2.343115
2.402319
2.243455
0.0245
0.0213
0.0308
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.136265
0.090806
0.012681
0.006111
122.4552
2.997495
0.061834
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.016127
0.013299
-5.827082
-5.701698
-5.781424
1.417687
CONSUMO PRIVADO
Null Hypothesis: LCP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
t-Statistic
Prob.*
-2.226304
-4.198503
0.4630
301
5% level
10% level
-3.523623
-3.192902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LCP)
Method: Least Squares
Date: 12/09/13 Time: 00:08
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LCP(-1)
C
@TREND(1970)
-0.220036
0.731878
0.003308
0.098835
0.320758
0.001542
-2.226304
2.281711
2.145149
0.0320
0.0282
0.0384
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.119330
0.072979
0.016015
0.009746
112.8854
2.574486
0.089423
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.015915
0.016633
-5.360265
-5.234882
-5.314607
1.698294
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.792519
-4.198503
-3.523623
-3.192902
0.2081
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/09/13 Time: 00:09
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LI(-1)
-0.339979
0.121746
-2.792519
0.0081
302
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.922343
0.006410
0.170285
0.126616
0.066452
0.167804
54.54336
3.899435
0.028817
0.324874
0.002449
2.839083
2.616869
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0072
0.0127
0.017541
0.071106
-2.514310
-2.388927
-2.468653
1.632904
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
3.274791
-2.622585
-1.949097
-1.611824
0.9995
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/09/13 Time: 00:10
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
0.005580
0.001704
3.274791
0.0022
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
-0.006310
-0.006310
0.031236
0.039028
84.44324
1.638338
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.016161
0.031138
-4.070402
-4.028608
-4.055183
COMERCIO INTRARREGIONAL
Null Hypothesis: LR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
303
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.501259
-4.198503
-3.523623
-3.192902
0.3260
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/09/13 Time: 00:11
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
C
@TREND(1970)
-0.257227
0.403336
0.012168
0.102839
0.162733
0.004575
-2.501259
2.478515
2.659720
0.0168
0.0177
0.0114
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.156962
0.112591
0.121653
0.562383
29.75099
3.537524
0.039003
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.038490
0.129140
-1.304926
-1.179543
-1.259269
1.298703
COMERCIO EXTRARREGIONAL
Null Hypothesis: LW has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
4.093886
-2.622585
-1.949097
-1.611824
1.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LW)
Method: Least Squares
Date: 12/09/13 Time: 00:12
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
304
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LW(-1)
0.010928
0.002669
4.093886
0.0002
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
-0.021278
-0.021278
0.055992
0.125403
60.51424
1.633505
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.036678
0.055405
-2.903133
-2.861339
-2.887914
POBLACION DE CENTROAMERICA (EXCLUYE PANAMA)
Null Hypothesis: LPOCA has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.190199
-3.621023
-2.943427
-2.610263
0.2130
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCA)
Method: Least Squares
Date: 12/7/13 Time: 16:19
Sample (adjusted): 1975 2011
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCA(-1)
D(LPOCA(-1))
D(LPOCA(-2))
D(LPOCA(-3))
D(LPOCA(-4))
C
-0.000578
3.068028
-3.887910
2.409163
-0.636617
0.010914
0.000264
0.146490
0.386473
0.389547
0.149937
0.004947
-2.190199
20.94356
-10.05998
6.184527
-4.245910
2.206042
0.0362
0.0000
0.0000
0.0000
0.0002
0.0349
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.999761
0.999722
5.06E-05
7.94E-08
316.7476
25935.74
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021240
0.003038
-16.79717
-16.53594
-16.70507
2.142626
305
DEFLACTOR DEL PIB
Null Hypothesis: LDP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 3 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.169028
-4.219126
-3.533083
-3.198312
0.4924
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/09/13 Time: 00:13
Sample (adjusted): 1974 2011
Included observations: 38 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
D(LDP(-1))
D(LDP(-2))
D(LDP(-3))
C
@TREND(1970)
-0.095734
0.471013
-0.081291
0.375333
0.049789
0.004398
0.044137
0.156021
0.175161
0.155963
0.017438
0.002150
-2.169028
3.018917
-0.464093
2.406556
2.855193
2.045570
0.0376
0.0049
0.6457
0.0221
0.0075
0.0491
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.423863
0.333842
0.023489
0.017655
91.89198
4.708469
0.002464
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.043939
0.028779
-4.520630
-4.262064
-4.428635
1.940340
ANEXO 2 TEST DE COINTEGRACION
Date: 12/7/13 Time: 16:22
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Trend assumption: Linear deterministic trend
Series: LCP LDP LG LI LPOCA LRR LWR LY
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
306
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5
At most 6
At most 7
0.933285
0.759977
0.663203
0.540197
0.407030
0.319506
0.192445
0.062399
287.4122
179.1191
122.0382
78.50720
47.42893
26.52446
11.12700
2.577244
159.5297
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0003
0.0086
0.0548
0.1138
0.2038
0.1084
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3
At most 4
At most 5
At most 6
At most 7
0.933285
0.759977
0.663203
0.540197
0.407030
0.319506
0.192445
0.062399
108.2932
57.08085
43.53103
31.07827
20.90447
15.39745
8.549760
2.577244
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
3.841466
0.0000
0.0025
0.0197
0.1041
0.2820
0.2620
0.3255
0.1084
Max-eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/7/13 Time: 16:24
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Standard errors in ( ) & t-statistics in [ ]
LY
LCP
LI
LG
LRR
LWR
LPOCA
LDP
LY(-1)
0.388823 -0.022891 2.723726 -0.795192 -1.673926 -0.498745 0.002775 0.602598
(0.33157) (0.40542) (1.61347) (0.82683) (2.25711) (1.46465) (0.00189) (0.52725)
[ 1.17268] [-0.05646] [ 1.68812] [-0.96174] [-0.74162] [-0.34052] [ 1.46850] [ 1.14291]
LY(-2)
-0.561048 -0.701111 -1.073229 -0.434593 1.330344 -0.582632 0.002374 0.615266
(0.30239) (0.36974) (1.47147) (0.75406) (2.05847) (1.33575) (0.00172) (0.48085)
[-1.85540] [-1.89624] [-0.72936] [-0.57634] [ 0.64628] [-0.43618] [ 1.37742] [ 1.27954]
LCP(-1)
0.316774
0.335499
1.161813
0.145843
2.151407
1.904390 -0.000939 -0.439678
307
(0.23990) (0.29333) (1.16738) (0.59823) (1.63307) (1.05971) (0.00137) (0.38148)
[ 1.32046] [ 1.14377] [ 0.99523] [ 0.24379] [ 1.31740] [ 1.79709] [-0.68662] [-1.15256]
LCP(-2)
0.194189 -0.035909 0.665631 0.520882 0.868320 0.771479 -0.000333 -0.745605
(0.24252) (0.29653) (1.18013) (0.60477) (1.65091) (1.07129) (0.00138) (0.38565)
[ 0.80072] [-0.12110] [ 0.56403] [ 0.86130] [ 0.52596] [ 0.72014] [-0.24106] [-1.93339]
LI(-1)
0.032829 0.022449 0.371963 0.016634 0.474096 -0.210551 -9.61E-07 0.118174
(0.05133) (0.06277) (0.24981) (0.12801) (0.34946) (0.22677) (0.00029) (0.08163)
[ 0.63951] [ 0.35765] [ 1.48901] [ 0.12994] [ 1.35666] [-0.92850] [-0.00329] [ 1.44764]
LI(-2)
0.023267 0.076240 -0.421367 0.009016 -0.775937 -0.207748 -0.000419 0.055888
(0.04934) (0.06033) (0.24008) (0.12303) (0.33585) (0.21794) (0.00028) (0.07845)
[ 0.47160] [ 1.26381] [-1.75510] [ 0.07328] [-2.31034] [-0.95324] [-1.49110] [ 0.71237]
LG(-1)
0.131526 0.178049 0.517106 0.676173 0.187603 0.264748 0.001323 -0.154105
(0.08459) (0.10343) (0.41161) (0.21093) (0.57582) (0.37365) (0.00048) (0.13451)
[ 1.55493] [ 1.72150] [ 1.25629] [ 3.20562] [ 0.32580] [ 0.70855] [ 2.74452] [-1.14570]
LG(-2)
-0.037982 0.087456 -1.106368 0.096189 -0.505098 -0.405035 0.000397 0.100813
(0.10380) (0.12692) (0.50511) (0.25885) (0.70661) (0.45852) (0.00059) (0.16506)
[-0.36592] [ 0.68907] [-2.19036] [ 0.37161] [-0.71482] [-0.88335] [ 0.67115] [ 0.61076]
LRR(-1)
-0.044668 -0.032526 0.191012 -0.056018 0.336180 -0.011168 0.000143 0.042613
(0.03076) (0.03761) (0.14967) (0.07670) (0.20938) (0.13587) (0.00018) (0.04891)
[-1.45228] [-0.86488] [ 1.27620] [-0.73035] [ 1.60560] [-0.08220] [ 0.81616] [ 0.87125]
LRR(-2)
-0.022374 -0.031848 -0.007475 -0.035723 -0.190115 -0.023883 9.09E-05 0.044697
(0.02841) (0.03474) (0.13826) (0.07085) (0.19342) (0.12551) (0.00016) (0.04518)
[-0.78749] [-0.91673] [-0.05407] [-0.50419] [-0.98294] [-0.19029] [ 0.56152] [ 0.98929]
LWR(-1)
0.054973 0.138331 -0.732329 0.306731 -0.021224 0.734155 -0.000989 -0.112888
(0.07609) (0.09304) (0.37027) (0.18975) (0.51798) (0.33612) (0.00043) (0.12100)
[ 0.72248] [ 1.48683] [-1.97783] [ 1.61654] [-0.04098] [ 2.18422] [-2.28037] [-0.93298]
LWR(-2)
0.053196 0.064980 0.044458 0.016343 0.627904 0.042378 -0.000389 -0.096758
(0.08376) (0.10241) (0.40757) (0.20886) (0.57016) (0.36998) (0.00048) (0.13319)
[ 0.63513] [ 0.63450] [ 0.10908] [ 0.07825] [ 1.10128] [ 0.11454] [-0.81443] [-0.72648]
LPOCA(-1)
29.62467 34.27603 15.29214 -19.13031 136.2133 69.21482 1.846767 -12.13508
(15.4196) (18.8540) (75.0349) (38.4520) (104.968) (68.1142) (0.08789) (24.5200)
[ 1.92123] [ 1.81797] [ 0.20380] [-0.49751] [ 1.29767] [ 1.01616] [ 21.0113] [-0.49491]
LPOCA(-2)
-29.16374 -33.12891 -17.35746 18.67070 -143.9354 -71.70301 -0.852711 13.35329
(15.2250) (18.6161) (74.0880) (37.9668) (103.643) (67.2547) (0.08678) (24.2106)
[-1.91551] [-1.77959] [-0.23428] [ 0.49176] [-1.38876] [-1.06614] [-9.82556] [ 0.55155]
LDP(-1)
0.149938 0.176796 0.244663 0.247609 1.844390 0.484511 0.000251 0.668148
(0.13109) (0.16029) (0.63791) (0.32690) (0.89239) (0.57908) (0.00075) (0.20846)
[ 1.14377] [ 1.10299] [ 0.38354] [ 0.75744] [ 2.06680] [ 0.83670] [ 0.33634] [ 3.20520]
LDP(-2)
0.024526 0.088617 -0.572063 0.144580 -0.492888 -0.218867 -0.001476 -0.068277
(0.12881) (0.15750) (0.62680) (0.32121) (0.87684) (0.56899) (0.00073) (0.20483)
[ 0.19041] [ 0.56267] [-0.91268] [ 0.45012] [-0.56212] [-0.38466] [-2.00979] [-0.33334]
C
-4.526983 -12.34600
(4.76047) (5.82076)
20.50123
(23.1654)
12.24736
(11.8712)
106.0224
(32.4065)
32.18358
(21.0288)
0.071739 -19.98795
(0.02714) (7.57002)
308
[-0.95095] [-2.12103] [ 0.88499] [ 1.03169] [ 3.27164] [ 1.53045] [ 2.64375] [-2.64041]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.997225 0.995917 0.962662 0.982541 0.861722 0.973281 1.000000 0.999311
0.995295 0.993076 0.936688 0.970395 0.765528 0.954694 1.000000 0.998831
0.018072 0.027019 0.427945 0.112383 0.837480 0.352645 5.87E-07 0.045699
0.028031 0.034274 0.136405 0.069901 0.190820 0.123824 0.000160 0.044575
516.6352 350.6127 37.06244 80.89644 8.958204 52.36276 6024830. 2084.408
97.28773 89.24435 33.99525 60.73696 20.56721 37.86592 303.9783 78.73379
-4.014387 -3.612217 -0.849762 -2.186848 -0.178361 -1.043296 -14.34891 -3.086690
-3.296613 -2.894444 -0.131989 -1.469074 0.539413 -0.325522 -13.63114 -2.368916
8.617560 8.276618 7.103144 6.635550 2.315838 4.318062 17.10177 3.315106
0.408662 0.411908 0.542111 0.406259 0.394074 0.581734 0.251204 1.303936
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
4.73E-26
5.65E-28
800.7627
-33.23814
-27.49595
COMPORTAMIENTO DE LOS ERRORES
LY Residuals
LCP Residuals
.04
LI Residuals
.06
.4
.04
.02
.2
.02
.00
.0
.00
-.02
-.2
-.02
-.04
-.4
-.04
-.06
-.06
75
80
85
90
95
00
05
10
-.6
75
80
LG Residuals
85
90
95
00
05
10
75
80
LRR Residuals
.15
.3
.2
.2
.10
.1
.0
.00
-.1
90
95
00
05
10
00
05
10
LWR Residuals
.3
.05
85
.1
.0
-.1
-.2
-.05
-.2
-.3
-.10
-.4
75
80
85
90
95
00
05
10
-.3
75
80
LPOCA Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0004
.12
.08
.0002
.04
.0000
.00
-.0002
-.04
-.0004
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
309
TEST DE AUTOCORRELACION
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/7/13 Time: 16:30
Sample: 1970 2011
Included observations: 40
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
9
10
11
12
106.2278
109.9372
83.71164
92.97315
87.35599
77.55546
78.92274
75.48355
81.94257
79.54739
73.27824
72.09623
0.0007
0.0003
0.0497
0.0105
0.0278
0.1189
0.0992
0.1543
0.0648
0.0911
0.2000
0.2279
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 16:31
Sample: 1970 2011
Included observations: 40
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.254588
0.199054
-0.450473
0.231335
-0.405425
0.100764
0.157666
0.343165
0.432102
0.264149
1.352837
0.356772
1.095797
0.067690
0.165723
0.785080
1
1
1
1
1
1
1
1
0.5110
0.6073
0.2448
0.5503
0.2952
0.7947
0.6839
0.3756
4.520149
8
0.8074
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
0.704064
1.014849
8.785538
6.568043
1
1
0.0030
0.0104
310
3
4
5
6
7
8
1.735149
1.049793
1.671859
0.728437
1.103853
1.153227
Joint
2.666414
6.338848
2.939931
8.599995
5.992292
5.684286
1
1
1
1
1
1
0.1025
0.0118
0.0864
0.0034
0.0144
0.0171
47.57535
8
0.0000
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
9.217639
6.832193
4.019251
6.695620
4.035728
8.667685
6.158015
6.469366
2
2
2
2
2
2
2
2
0.0100
0.0328
0.1340
0.0352
0.1329
0.0131
0.0460
0.0394
Joint
52.09550
16
0.0000
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/7/13 Time: 16:32
Sample: 1970 2011
Included observations: 40
Joint test:
Chi-sq
df
Prob.
1146.884
1116
0.2540
Individual components:
Dependent
R-squared
F(31,8)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
res4*res1
0.776671
0.940601
0.811972
0.746245
0.841175
0.776970
0.879511
0.888014
0.908364
0.741059
0.821576
0.783481
0.897473
4.086550
1.114416
0.758919
1.366768
0.899019
1.883752
2.046378
2.558129
0.738551
1.188294
0.933817
0.6191
0.0214
0.4694
0.7285
0.3371
0.6179
0.1759
0.1452
0.0829
0.7450
0.4260
0.5918
31.06686
37.62405
32.47889
29.84980
33.64699
31.07880
35.18046
35.52057
36.33456
29.64237
32.86305
31.33926
0.4628
0.1918
0.3938
0.5251
0.3404
0.4622
0.2767
0.2636
0.2340
0.5358
0.3758
0.4492
311
res4*res2
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.725017
0.798441
0.666355
0.618443
0.779895
0.874537
0.851042
0.838942
0.784390
0.835159
0.763422
0.840616
0.871262
0.920862
0.602101
0.769051
0.812469
0.931759
0.912830
0.896532
0.724730
0.770843
0.888344
0.688512
0.680410
1.022277
0.515405
0.418281
0.914397
1.798829
1.474398
1.344245
0.938837
1.307474
0.832757
1.361073
1.746514
3.002895
0.390504
0.859347
1.118050
3.523602
2.702414
2.236090
0.679431
0.868083
2.053172
0.570426
0.7916
0.5290
0.9109
0.9610
0.6063
0.1950
0.2932
0.3472
0.5881
0.3643
0.6694
0.3396
0.2079
0.0535
0.9714
0.6485
0.4671
0.0336
0.0716
0.1171
0.7924
0.6417
0.1441
0.8747
29.00068
31.93764
26.65419
24.73772
31.19580
34.98147
34.04167
33.55769
31.37558
33.40637
30.53688
33.62464
34.85050
36.83450
24.08405
30.76206
32.49875
37.27036
36.51321
35.86129
28.98919
30.83372
35.53374
27.54049
0.5692
0.4198
0.6894
0.7793
0.4564
0.2845
0.3233
0.3444
0.4474
0.3511
0.4897
0.3414
0.2898
0.2169
0.8071
0.4782
0.3929
0.2028
0.2278
0.2509
0.5698
0.4746
0.2631
0.6448
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LY LCP LI LG LRR LWR LPOCA LDP
Exogenous variables: C
Date: 12/7/13 Time: 16:29
Sample: 1970 2011
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
249.0401
677.7436
784.2990
949.0493
NA
659.5439
120.2163
118.2823*
5.91e-16
4.77e-24
8.29e-25
1.92e-26*
-12.36103
-31.06378
-33.24610
-38.41279*
-12.01978
-27.99258
-27.44496
-29.88170*
-12.23859
-29.96186
-31.16470
-35.35191*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
312
ANEXO 4 VECM ESTIMADO
Vector Error Correction Estimates
Date: 12/7/13 Time: 16:48
Sample (adjusted): 1973 2011
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
LY(-1)
1.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
LG(-1)
-0.032349 0.108723 -0.598177
(0.02777) (0.03928) (0.16242)
[-1.16471] [ 2.76760] [-3.68296]
LRR(-1)
0.130482 0.015280 -0.429345
(0.01184) (0.01675) (0.06924)
[ 11.0202] [ 0.91240] [-6.20085]
LWR(-1)
-0.403868 -0.295373 0.227996
(0.01858) (0.02628) (0.10866)
[-21.7357] [-11.2389] [ 2.09830]
LPOCA(-1)
-0.013154 -1.049009 0.350959
(0.09224) (0.13047) (0.53942)
[-0.14260] [-8.04015] [ 0.65062]
LDP(-1)
-0.510990 -0.172308 -0.188845
(0.02402) (0.03397) (0.14046)
[-21.2746] [-5.07195] [-1.34450]
C
-5.046808
Error Correction:
D(LY)
10.75642 -8.501630
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
CointEq1
0.349278 -0.241150 1.287138 -3.956968 -7.483473 -2.746713 -0.000691 2.319276
(0.49242) (0.61353) (2.42046) (0.87467) (2.79491) (1.46515) (0.00132) (0.50185)
[ 0.70931] [-0.39305] [ 0.53177] [-4.52394] [-2.67754] [-1.87470] [-0.52431] [ 4.62149]
CointEq2
0.162171 0.070937 -0.325076 0.007116 2.276855 2.893745 -0.002457 -0.494062
(0.23554) (0.29347) (1.15777) (0.41838) (1.33689) (0.70082) (0.00063) (0.24005)
[ 0.68851] [ 0.24172] [-0.28078] [ 0.01701] [ 1.70310] [ 4.12908] [-3.89753] [-2.05819]
CointEq3
-0.037789 0.021194 0.092565 0.201842 1.301315 -0.189411 -0.000245 0.312908
(0.08350) (0.10403) (0.41043) (0.14831) (0.47392) (0.24844) (0.00022) (0.08510)
[-0.45258] [ 0.20372] [ 0.22553] [ 1.36091] [ 2.74585] [-0.76241] [-1.09659] [ 3.67712]
D(LY(-1))
-0.371915 0.314978 1.726359 2.865380 4.801105 2.449320 0.001188 -1.579200
(0.48004) (0.59811) (2.35961) (0.85269) (2.72465) (1.42832) (0.00128) (0.48923)
[-0.77475] [ 0.52662] [ 0.73163] [ 3.36041] [ 1.76210] [ 1.71483] [ 0.92463] [-3.22792]
313
D(LY(-2))
-0.598835 -0.521315 -0.112101 0.605398 3.844996 0.752008 0.001818 -0.736625
(0.35564) (0.44312) (1.74814) (0.63172) (2.01859) (1.05818) (0.00095) (0.36245)
[-1.68380] [-1.17647] [-0.06413] [ 0.95833] [ 1.90480] [ 0.71066] [ 1.91070] [-2.03234]
D(LCP(-1))
0.216664 -0.266743 0.573451 -0.447725 -1.436146 -1.322339 0.001224 0.403136
(0.28702) (0.35761) (1.41081) (0.50982) (1.62906) (0.85399) (0.00077) (0.29251)
[ 0.75488] [-0.74591] [ 0.40647] [-0.87820] [-0.88158] [-1.54843] [ 1.59334] [ 1.37820]
D(LCP(-2))
0.194561 -0.151951 0.948989 -0.516423 -0.413732 -1.167062 0.000228 0.398556
(0.25467) (0.31731) (1.25182) (0.45236) (1.44548) (0.75775) (0.00068) (0.25955)
[ 0.76397] [-0.47887] [ 0.75809] [-1.14161] [-0.28623] [-1.54018] [ 0.33400] [ 1.53559]
D(LI(-1))
0.065269 0.007924 -0.166612 -0.062604 -0.258424 0.346645 -8.22E-05 -0.220626
(0.08148) (0.10152) (0.40051) (0.14473) (0.46247) (0.24243) (0.00022) (0.08304)
[ 0.80104] [ 0.07805] [-0.41600] [-0.43255] [-0.55879] [ 1.42985] [-0.37692] [-2.65688]
D(LI(-2))
0.006486 0.074896 -0.628518 0.207924 -0.650671 0.233316 -0.000276 -0.293005
(0.07283) (0.09074) (0.35798) (0.12936) (0.41336) (0.21669) (0.00019) (0.07422)
[ 0.08907] [ 0.82540] [-1.75576] [ 1.60732] [-1.57412] [ 1.07673] [-1.41814] [-3.94774]
D(LG(-1))
0.141437 0.149199 0.656721 -0.517740 0.099919 -0.149477 -0.000138 0.339258
(0.12613) (0.15715) (0.61998) (0.22404) (0.71589) (0.37529) (0.00034) (0.12854)
[ 1.12136] [ 0.94939] [ 1.05926] [-2.31092] [ 0.13957] [-0.39830] [-0.40960] [ 2.63923]
D(LG(-2))
0.010619 0.048430 -0.842294 -0.486973 -1.072959 -0.883788 4.09E-05 0.388158
(0.11065) (0.13786) (0.54387) (0.19654) (0.62801) (0.32922) (0.00030) (0.11276)
[ 0.09597] [ 0.35130] [-1.54869] [-2.47775] [-1.70850] [-2.68452] [ 0.13813] [ 3.44220]
D(LRR(-1))
-0.091397 -0.033223 0.006707 0.335442 0.644274 0.006653 0.000277 -0.089591
(0.05731) (0.07141) (0.28173) (0.10181) (0.32531) (0.17053) (0.00015) (0.05841)
[-1.59465] [-0.46523] [ 0.02381] [ 3.29489] [ 1.98049] [ 0.03901] [ 1.80767] [-1.53378]
D(LRR(-2))
-0.058610 -0.030340 -0.045178 0.206055 0.222311 -0.008779 9.13E-05 0.011615
(0.03419) (0.04260) (0.16807) (0.06073) (0.19407) (0.10173) (9.1E-05) (0.03485)
[-1.71414] [-0.71218] [-0.26881] [ 3.39273] [ 1.14553] [-0.08629] [ 0.99790] [ 0.33332]
D(LWR(-1))
0.150465 0.026652 -0.305550 -0.903344 -2.218017 -0.480601 -0.000560 0.424144
(0.15795) (0.19680) (0.77640) (0.28057) (0.89652) (0.46997) (0.00042) (0.16098)
[ 0.95260] [ 0.13543] [-0.39354] [-3.21971] [-2.47404] [-1.02262] [-1.32576] [ 2.63483]
D(LWR(-2))
0.175334 0.053239 0.032904 -0.530835 -1.329840 -0.253015 2.54E-05 0.182085
(0.10945) (0.13637) (0.53799) (0.19441) (0.62121) (0.32565) (0.00029) (0.11154)
[ 1.60197] [ 0.39041] [ 0.06116] [-2.73049] [-2.14071] [-0.77695] [ 0.08682] [ 1.63241]
D(LPOCA(-1))
-14.42959 36.96621 3.369454 148.4544 464.1408 -125.3382 2.063349 -78.02913
(41.4906) (51.6953) (203.944) (73.6985) (235.494) (123.451) (0.11103) (42.2847)
[-0.34778] [ 0.71508] [ 0.01652] [ 2.01435] [ 1.97092] [-1.01529] [ 18.5845] [-1.84533]
D(LPOCA(-2))
9.836116 -25.91735 -41.32294 -42.89898 -151.9847 284.4758 -1.147778 11.19315
(39.8951) (49.7074) (196.101) (70.8645) (226.439) (118.703) (0.10676) (40.6587)
[ 0.24655] [-0.52140] [-0.21072] [-0.60537] [-0.67120] [ 2.39652] [-10.7514] [ 0.27530]
D(LDP(-1))
0.187190 0.053922 0.007092 -1.209201 -1.973318 -0.282842 -0.000161 0.529273
(0.20020) (0.24944) (0.98408) (0.35561) (1.13632) (0.59568) (0.00054) (0.20403)
[ 0.93500] [ 0.21617] [ 0.00721] [-3.40033] [-1.73659] [-0.47482] [-0.29982] [ 2.59405]
D(LDP(-2))
0.182225
0.011491 -0.128963 -0.602743 -1.747218 -0.535294 -0.000675 -0.017121
314
(0.15200) (0.18938) (0.74712) (0.26999) (0.86270) (0.45225) (0.00041) (0.15490)
[ 1.19888] [ 0.06068] [-0.17261] [-2.23250] [-2.02528] [-1.18363] [-1.65851] [-0.11053]
C
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.116666 -0.188145 0.805296 -2.158722 -6.631544 -3.484411 0.001799 1.559254
(0.37243) (0.46403) (1.83067) (0.66154) (2.11388) (1.10813) (0.00100) (0.37956)
[ 0.31325] [-0.40546] [ 0.43989] [-3.26317] [-3.13715] [-3.14439] [ 1.80469] [ 4.10804]
0.416851 0.376245 0.498974 0.667035 0.672318 0.724849 0.999604 0.863639
-0.166299 -0.247510 -0.002052 0.334070 0.344636 0.449699 0.999208 0.727279
0.021643 0.033599 0.522935 0.068288 0.697250 0.191608 1.55E-07 0.022480
0.033751 0.042052 0.165900 0.059951 0.191566 0.100422 9.03E-05 0.034397
0.714826 0.603194 0.995904 2.003317 2.051738 2.634372 2523.871 6.333498
90.84534 82.26926 28.74266 68.43925 23.13278 48.32074 321.8605 90.10598
-3.633094 -3.193295 -0.448341 -2.484064 -0.160655 -1.452346 -15.48003 -3.595178
-2.779986 -2.340187 0.404767 -1.630956 0.692453 -0.599237 -14.62692 -2.742070
0.036600 0.037750 0.046335 0.036769 0.015449 -0.013399 0.021526 0.099714
0.031252 0.037650 0.165730 0.073465 0.236633 0.135372 0.003209 0.065866
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.27E-27
4.05E-30
877.0497
-35.54101
-27.69241
P-VALUES DE LOS COEFICIENTES Y ECUACIONES DEL VECM
System: UNTITLED
Estimation Method: Least Squares
Date: 12/7/13 Time: 16:50
Sample: 1973 2011
Included observations: 39
Total system (balanced) observations 312
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
C(17)
C(18)
C(19)
Coefficient
Std. Error
t-Statistic
Prob.
0.349278
0.162171
-0.037789
-0.371915
-0.598835
0.216664
0.194561
0.065269
0.006486
0.141437
0.010619
-0.091397
-0.058610
0.150465
0.175334
-14.42959
9.836116
0.187190
0.182225
0.492422
0.235540
0.083498
0.480044
0.355645
0.287017
0.254671
0.081480
0.072827
0.126130
0.110647
0.057315
0.034192
0.157953
0.109449
41.49064
39.89512
0.200202
0.151996
0.709306
0.688510
-0.452578
-0.774753
-1.683799
0.754884
0.763968
0.801040
0.089066
1.121356
0.095970
-1.594651
-1.714137
0.952597
1.601973
-0.347780
0.246549
0.935003
1.198884
0.4792
0.4922
0.6515
0.4397
0.0943
0.4515
0.4461
0.4244
0.9291
0.2639
0.9237
0.1129
0.0885
0.3423
0.1112
0.7285
0.8056
0.3513
0.2324
315
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
C(74)
C(75)
C(76)
0.116666
-0.241150
0.070937
0.021194
0.314978
-0.521315
-0.266743
-0.151951
0.007924
0.074896
0.149199
0.048430
-0.033223
-0.030340
0.026652
0.053239
36.96621
-25.91735
0.053922
0.011491
-0.188145
1.287138
-0.325076
0.092565
1.726359
-0.112101
0.573451
0.948989
-0.166612
-0.628518
0.656721
-0.842294
0.006707
-0.045178
-0.305550
0.032904
3.369454
-41.32294
0.007092
-0.128963
0.805296
-3.956968
0.007116
0.201842
2.865380
0.605398
-0.447725
-0.516423
-0.062604
0.207924
-0.517740
-0.486973
0.335442
0.206055
-0.903344
-0.530835
148.4544
0.372434
0.613534
0.293471
0.104034
0.598111
0.443116
0.357609
0.317308
0.101520
0.090739
0.157152
0.137860
0.071412
0.042602
0.196802
0.136368
51.69532
49.70738
0.249442
0.189379
0.464034
2.420458
1.157775
0.410427
2.359614
1.748143
1.410806
1.251816
0.400508
0.357976
0.619982
0.543874
0.281727
0.168069
0.776404
0.537986
203.9437
196.1011
0.984077
0.747122
1.830666
0.874674
0.418381
0.148315
0.852687
0.631721
0.509819
0.452365
0.144730
0.129361
0.224041
0.196538
0.101807
0.060734
0.280567
0.194410
73.69852
0.313253
-0.393051
0.241718
0.203722
0.526622
-1.176474
-0.745907
-0.478874
0.078052
0.825397
0.949394
0.351300
-0.465230
-0.712180
0.135428
0.390411
0.715079
-0.521398
0.216171
0.060677
-0.405456
0.531775
-0.280776
0.225534
0.731628
-0.064126
0.406471
0.758090
-0.416002
-1.755756
1.059259
-1.548692
0.023805
-0.268807
-0.393544
0.061162
0.016521
-0.210723
0.007206
-0.172614
0.439892
-4.523938
0.017009
1.360907
3.360414
0.958331
-0.878204
-1.141608
-0.432555
1.607321
-2.310918
-2.477752
3.294889
3.392730
-3.219709
-2.730486
2.014347
0.7545
0.6948
0.8093
0.8388
0.5992
0.2412
0.4569
0.6327
0.9379
0.4104
0.3439
0.7259
0.6424
0.4774
0.8925
0.6968
0.4757
0.6028
0.8291
0.9517
0.6857
0.5957
0.7793
0.8219
0.4655
0.9490
0.6850
0.4496
0.6780
0.0811
0.2912
0.1235
0.9810
0.7884
0.6945
0.9513
0.9868
0.8334
0.9943
0.8632
0.6606
0.0000
0.9865
0.1756
0.0010
0.3394
0.3812
0.2554
0.6660
0.1101
0.0222
0.0143
0.0012
0.0009
0.0016
0.0071
0.0457
316
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(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(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
C(131)
C(132)
C(133)
-42.89898
-1.209201
-0.602743
-2.158722
-7.483473
2.276855
1.301315
4.801105
3.844996
-1.436146
-0.413732
-0.258424
-0.650671
0.099919
-1.072959
0.644274
0.222311
-2.218017
-1.329840
464.1408
-151.9847
-1.973318
-1.747218
-6.631544
-2.746713
2.893745
-0.189411
2.449320
0.752008
-1.322339
-1.167062
0.346645
0.233316
-0.149477
-0.883788
0.006653
-0.008779
-0.480601
-0.253015
-125.3382
284.4758
-0.282842
-0.535294
-3.484411
-0.000691
-0.002457
-0.000245
0.001188
0.001818
0.001224
0.000228
-8.22E-05
-0.000276
-0.000138
4.09E-05
0.000277
9.13E-05
70.86445
0.355613
0.269985
0.661542
2.794910
1.336886
0.473921
2.724653
2.018585
1.629061
1.445475
0.462467
0.413355
0.715895
0.628013
0.325311
0.194069
0.896516
0.621214
235.4944
226.4385
1.136316
0.862704
2.113876
1.465146
0.700821
0.248438
1.428316
1.058182
0.853985
0.757746
0.242434
0.216689
0.375286
0.329217
0.170534
0.101735
0.469971
0.325653
123.4507
118.7034
0.595679
0.452246
1.108134
0.001318
0.000630
0.000223
0.001285
0.000952
0.000768
0.000681
0.000218
0.000195
0.000338
0.000296
0.000153
9.15E-05
-0.605367
-3.400330
-2.232504
-3.263166
-2.677537
1.703104
2.745851
1.762098
1.904797
-0.881579
-0.286226
-0.558794
-1.574120
0.139572
-1.708497
1.980488
1.145525
-2.474040
-2.140711
1.970921
-0.671196
-1.736593
-2.025281
-3.137150
-1.874703
4.129076
-0.762406
1.714830
0.710660
-1.548432
-1.540175
1.429850
1.076733
-0.398302
-2.684518
0.039015
-0.086292
-1.022618
-0.776948
-1.015289
2.396525
-0.474824
-1.183634
-3.144393
-0.524309
-3.897527
-1.096589
0.924629
1.910704
1.593345
0.333999
-0.376918
-1.418140
-0.409598
0.138134
1.807670
0.997896
0.5458
0.0009
0.0270
0.0014
0.0082
0.0906
0.0068
0.0801
0.0587
0.3794
0.7751
0.5771
0.1175
0.8892
0.0896
0.0495
0.2538
0.0145
0.0339
0.0505
0.5031
0.0845
0.0446
0.0020
0.0628
0.0001
0.4470
0.0884
0.4784
0.1236
0.1256
0.1548
0.2833
0.6910
0.0081
0.9689
0.9313
0.3081
0.4384
0.3116
0.0178
0.6356
0.2384
0.0020
0.6008
0.0001
0.2746
0.3566
0.0579
0.1132
0.7388
0.7068
0.1582
0.6827
0.8903
0.0726
0.3199
317
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
C(141)
C(142)
C(143)
C(144)
C(145)
C(146)
C(147)
C(148)
C(149)
C(150)
C(151)
C(152)
C(153)
C(154)
C(155)
C(156)
C(157)
C(158)
C(159)
C(160)
-0.000560
2.54E-05
2.063349
-1.147778
-0.000161
-0.000675
0.001799
2.319276
-0.494062
0.312908
-1.579200
-0.736625
0.403136
0.398556
-0.220626
-0.293005
0.339258
0.388158
-0.089591
0.011615
0.424144
0.182085
-78.02913
11.19315
0.529273
-0.017121
1.559254
Determinant residual covariance
0.000423
0.000293
0.111025
0.106756
0.000536
0.000407
0.000997
0.501846
0.240047
0.085096
0.489231
0.362452
0.292510
0.259546
0.083039
0.074221
0.128544
0.112764
0.058412
0.034847
0.160976
0.111544
42.28472
40.65867
0.204034
0.154905
0.379562
-1.325756
0.086822
18.58452
-10.75145
-0.299818
-1.658511
1.804689
4.621487
-2.058186
3.677122
-3.227922
-2.032339
1.378197
1.535592
-2.656882
-3.947737
2.639234
3.442204
-1.533784
0.333316
2.634825
1.632414
-1.845327
0.275296
2.594047
-0.110526
4.108039
0.1869
0.9309
0.0000
0.0000
0.7647
0.0993
0.0731
0.0000
0.0413
0.0003
0.0015
0.0439
0.1702
0.1267
0.0087
0.0001
0.0092
0.0007
0.1272
0.7394
0.0093
0.1047
0.0669
0.7835
0.0104
0.9121
0.0001
4.05E-30
Equation: D(LY) = C(1)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(2)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(3)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(4)*D(LY(-1)) + C(5)*D(LY(-2)) + C(6)*D(LCP(-1))
+ C(7)*D(LCP(-2)) + C(8)*D(LI(-1)) + C(9)*D(LI(-2)) + C(10)*D(LG(-1)) +
C(11)*D(LG(-2)) + C(12)*D(LRR(-1)) + C(13)*D(LRR(-2)) + C(14)
*D(LWR(-1)) + C(15)*D(LWR(-2)) + C(16)*D(LPOCA(-1)) + C(17)
*D(LPOCA(-2)) + C(18)*D(LDP(-1)) + C(19)*D(LDP(-2)) + C(20)
Observations: 39
R-squared
0.416851 Mean dependent var
0.036600
Adjusted R-squared
-0.166299 S.D. dependent var
0.031252
S.E. of regression
0.033751 Sum squared resid
0.021643
Durbin-Watson stat
1.967857
Equation: D(LCP) = C(21)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(22)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
318
10.7564207581 ) + C(23)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(24)*D(LY(-1)) + C(25)*D(LY(-2)) + C(26)*D(LCP(
-1)) + C(27)*D(LCP(-2)) + C(28)*D(LI(-1)) + C(29)*D(LI(-2)) + C(30)
*D(LG(-1)) + C(31)*D(LG(-2)) + C(32)*D(LRR(-1)) + C(33)*D(LRR(-2)) +
C(34)*D(LWR(-1)) + C(35)*D(LWR(-2)) + C(36)*D(LPOCA(-1)) + C(37)
*D(LPOCA(-2)) + C(38)*D(LDP(-1)) + C(39)*D(LDP(-2)) + C(40)
Observations: 39
R-squared
0.376245 Mean dependent var
0.037750
Adjusted R-squared
-0.247510 S.D. dependent var
0.037650
S.E. of regression
0.042052 Sum squared resid
0.033599
Durbin-Watson stat
1.988762
Equation: D(LI) = C(41)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(42)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(43)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(44)*D(LY(-1)) + C(45)*D(LY(-2)) + C(46)*D(LCP(
-1)) + C(47)*D(LCP(-2)) + C(48)*D(LI(-1)) + C(49)*D(LI(-2)) + C(50)
*D(LG(-1)) + C(51)*D(LG(-2)) + C(52)*D(LRR(-1)) + C(53)*D(LRR(-2)) +
C(54)*D(LWR(-1)) + C(55)*D(LWR(-2)) + C(56)*D(LPOCA(-1)) + C(57)
*D(LPOCA(-2)) + C(58)*D(LDP(-1)) + C(59)*D(LDP(-2)) + C(60)
Observations: 39
R-squared
0.498974 Mean dependent var
0.046335
Adjusted R-squared
-0.002052 S.D. dependent var
0.165730
S.E. of regression
0.165900 Sum squared resid
0.522935
Durbin-Watson stat
2.092396
Equation: D(LG) = C(61)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(62)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(63)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(64)*D(LY(-1)) + C(65)*D(LY(-2)) + C(66)*D(LCP(
-1)) + C(67)*D(LCP(-2)) + C(68)*D(LI(-1)) + C(69)*D(LI(-2)) + C(70)
*D(LG(-1)) + C(71)*D(LG(-2)) + C(72)*D(LRR(-1)) + C(73)*D(LRR(-2)) +
C(74)*D(LWR(-1)) + C(75)*D(LWR(-2)) + C(76)*D(LPOCA(-1)) + C(77)
*D(LPOCA(-2)) + C(78)*D(LDP(-1)) + C(79)*D(LDP(-2)) + C(80)
Observations: 39
R-squared
0.667035 Mean dependent var
0.036769
Adjusted R-squared
0.334070 S.D. dependent var
0.073465
S.E. of regression
0.059951 Sum squared resid
0.068288
Durbin-Watson stat
2.386180
Equation: D(LRR) = C(81)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) -
319
5.04680781515 ) + C(82)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(83)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(84)*D(LY(-1)) + C(85)*D(LY(-2)) + C(86)*D(LCP(
-1)) + C(87)*D(LCP(-2)) + C(88)*D(LI(-1)) + C(89)*D(LI(-2)) + C(90)
*D(LG(-1)) + C(91)*D(LG(-2)) + C(92)*D(LRR(-1)) + C(93)*D(LRR(-2)) +
C(94)*D(LWR(-1)) + C(95)*D(LWR(-2)) + C(96)*D(LPOCA(-1)) + C(97)
*D(LPOCA(-2)) + C(98)*D(LDP(-1)) + C(99)*D(LDP(-2)) + C(100)
Observations: 39
R-squared
0.672318 Mean dependent var
0.015449
Adjusted R-squared
0.344636 S.D. dependent var
0.236633
S.E. of regression
0.191566 Sum squared resid
0.697250
Durbin-Watson stat
2.042276
Equation: D(LWR) = C(101)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(102)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(103)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(104)*D(LY(-1)) + C(105)*D(LY(-2)) + C(106)
*D(LCP(-1)) + C(107)*D(LCP(-2)) + C(108)*D(LI(-1)) + C(109)*D(LI(-2))
+ C(110)*D(LG(-1)) + C(111)*D(LG(-2)) + C(112)*D(LRR(-1)) + C(113)
*D(LRR(-2)) + C(114)*D(LWR(-1)) + C(115)*D(LWR(-2)) + C(116)
*D(LPOCA(-1)) + C(117)*D(LPOCA(-2)) + C(118)*D(LDP(-1)) + C(119)
*D(LDP(-2)) + C(120)
Observations: 39
R-squared
0.724849 Mean dependent var
-0.013399
Adjusted R-squared
0.449699 S.D. dependent var
0.135372
S.E. of regression
0.100422 Sum squared resid
0.191608
Durbin-Watson stat
1.971876
Equation: D(LPOCA) = C(121)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(122)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(123)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(124)*D(LY(-1)) + C(125)*D(LY(-2)) + C(126)
*D(LCP(-1)) + C(127)*D(LCP(-2)) + C(128)*D(LI(-1)) + C(129)*D(LI(-2))
+ C(130)*D(LG(-1)) + C(131)*D(LG(-2)) + C(132)*D(LRR(-1)) + C(133)
*D(LRR(-2)) + C(134)*D(LWR(-1)) + C(135)*D(LWR(-2)) + C(136)
*D(LPOCA(-1)) + C(137)*D(LPOCA(-2)) + C(138)*D(LDP(-1)) + C(139)
*D(LDP(-2)) + C(140)
Observations: 39
R-squared
0.999604 Mean dependent var
0.021526
Adjusted R-squared
0.999208 S.D. dependent var
0.003209
S.E. of regression
9.03E-05 Sum squared resid
1.55E-07
320
Durbin-Watson stat
1.676889
Equation: D(LDP) = C(141)*( LY(-1) - 0.0323486593181*LG(-1) +
0.130481884366*LRR(-1) - 0.403867511489*LWR(-1) 0.0131543183001*LPOCA(-1) - 0.510990314478*LDP(-1) 5.04680781515 ) + C(142)*( LCP(-1) + 0.108723443325*LG(-1) +
0.0152802355132*LRR(-1) - 0.295372836531*LWR(-1) 1.04900879012*LPOCA(-1) - 0.172308461371*LDP(-1) +
10.7564207581 ) + C(143)*( LI(-1) - 0.598176638587*LG(-1) 0.429345385752*LRR(-1) + 0.227995760243*LWR(-1) +
0.350958621326*LPOCA(-1) - 0.188844864061*LDP(-1) 8.50163019046 ) + C(144)*D(LY(-1)) + C(145)*D(LY(-2)) + C(146)
*D(LCP(-1)) + C(147)*D(LCP(-2)) + C(148)*D(LI(-1)) + C(149)*D(LI(-2))
+ C(150)*D(LG(-1)) + C(151)*D(LG(-2)) + C(152)*D(LRR(-1)) + C(153)
*D(LRR(-2)) + C(154)*D(LWR(-1)) + C(155)*D(LWR(-2)) + C(156)
*D(LPOCA(-1)) + C(157)*D(LPOCA(-2)) + C(158)*D(LDP(-1)) + C(159)
*D(LDP(-2)) + C(160)
Observations: 39
R-squared
0.863639 Mean dependent var
0.099714
Adjusted R-squared
0.727279 S.D. dependent var
0.065866
S.E. of regression
0.034397 Sum squared resid
0.022480
Durbin-Watson stat
2.044121
ANEXO 5 TEST DE VALIDADION DE VECM
AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/7/13 Time: 16:53
Sample: 1973 2011
Included observations: 39
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
86.88018
144.6639
206.9423
252.3545
313.8749
373.5154
434.3733
493.8786
551.1234
604.2161
652.1111
703.2267
0.0301
0.1490
0.2185
0.5527
0.5860
0.6397
0.6692
0.7096
0.7655
0.8415
0.9193
0.9540
89.16650
150.0736
217.5420
268.1441
338.7116
409.1958
483.3664
558.2280
632.6461
704.0466
770.7575
844.5912
0.0205
0.0887
0.0997
0.2885
0.2260
0.1804
0.1202
0.0772
0.0508
0.0399
0.0406
0.0281
64
128
192
256
320
384
448
512
576
640
704
768
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
TEST DE NORMALIDAD
321
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 16:53
Sample: 1973 2011
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.097963
-0.675611
-0.197975
0.627843
-0.619815
-0.649478
-0.655387
-0.122096
0.062379
2.966927
0.254762
2.562217
2.497106
2.741840
2.791962
0.096899
1
1
1
1
1
1
1
1
0.8028
0.0850
0.6137
0.1094
0.1141
0.0978
0.0947
0.7556
13.97409
8
0.0824
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
2.607538
2.890405
3.264902
3.488926
5.144049
2.762774
3.949751
3.212461
0.250292
0.019518
0.114031
0.388454
7.470038
0.091449
1.465794
0.073352
1
1
1
1
1
1
1
1
0.6169
0.8889
0.7356
0.5331
0.0063
0.7623
0.2260
0.7865
9.872929
8
0.2741
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
0.312671
2.986445
0.368793
2.950672
9.967144
2.833289
4.257756
0.170251
2
2
2
2
2
2
2
2
0.8553
0.2246
0.8316
0.2287
0.0068
0.2425
0.1190
0.9184
Joint
23.84702
16
0.0929
322
ERRORES ESTIMADOS
D(LY) Residuals
D(LCP) Residuals
D(LI) Residuals
.06
.06
.3
.04
.04
.2
.02
.1
.02
.00
.0
-.02
-.1
.00
-.02
-.04
-.2
-.04
-.06
-.3
-.06
-.08
75
80
85
90
95
00
05
10
-.4
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LRR) Residuals
.12
.4
.08
.3
85
90
95
00
05
10
05
10
D(LWR) Residuals
.2
.1
.2
.04
.1
.0
.0
-.1
.00
-.04
-.1
-.2
-.08
-.2
-.12
-.3
75
80
85
90
95
00
05
10
-.3
75
80
D(LPOCA) Residuals
85
90
95
00
05
10
05
10
75
80
85
90
95
00
D(LDP) Residuals
.0002
.06
.04
.0001
.02
.0000
.00
-.0001
-.02
-.0002
-.04
-.0003
-.06
75
80
85
90
95
00
05
10
75
80
85
90
95
00
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
Pairwise Granger Causality Tests
Date: 12/7/13 Time: 16:56
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
38
1.33657
1.11022
0.2804
0.3599
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
38
0.40395
0.53992
0.7512
0.6585
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
38
1.54107
1.94514
0.2235
0.1429
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
323
mecanismo PRODUCTO:
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
df
1.30E-09
Probability
1
1.0000
Value
Std. Err.
3.15E-05
0.874674
Null Hypothesis Summary:
Normalized Restriction (= 0)
3.957 + C(61)
Restrictions are linear in coefficients.
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
df
2.87E-08
Probability
1
0.9999
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
7.483 + C(81)
-0.000473
2.794910
Restrictions are linear in coefficients.
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
df
3.83E-08
Probability
1
0.9998
Value
Std. Err.
0.000287
1.465146
Null Hypothesis Summary:
Normalized Restriction (= 0)
2.747 + C(101)
Restrictions are linear in coefficients.
MECANISMO DE CONSUMO PRIVADO
324
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
df
0.524674
Probability
1
0.4689
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.002 + C(122)
-0.000457
0.000630
Restrictions are linear in coefficients.
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
df
6.77E-08
Probability
1
0.9998
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.494 + C(142)
-6.24E-05
0.240047
Restrictions are linear in coefficients.
MECANISMO DE INVERSION PRIVADA
ningún termino de corrección de errores fue significativo con signo negativo.
todos los coeficientes
Wald Test:
System: VECMESTIMADO
Test Statistic
Chi-square
Value
0.524675
df
Probability
5
0.9912
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
325
3.957 + C(61)
7.483 + C(81)
2.747 + C(101)
0.002 + C(122)
0.494 + C(142)
3.15E-05
-0.000473
0.000287
-0.000457
-6.24E-05
0.874674
2.794910
1.465146
0.000630
0.240047
Restrictions are linear in coefficients.
326
ADJUNTO SOBRE NICARA GUA
327
NICARAGUA
ANEXO 1 RAICES UNITARIAS
PRODUCTO
Null Hypothesis: D(LY) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.717601
-4.226815
-3.536601
-3.200320
0.2358
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY,2)
Method: Least Squares
Date: 12/08/13 Time: 23:31
Sample (adjusted): 1974 2010
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(LY(-1))
D(LY(-1),2)
D(LY(-2),2)
C
@TREND(1970)
-0.681709
0.062302
-0.291583
-0.009967
0.000638
0.250849
0.196986
0.167457
0.011934
0.000509
-2.717601
0.316278
-1.741245
-0.835190
1.253213
0.0105
0.7538
0.0912
0.4098
0.2192
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.473903
0.408141
0.031038
0.030827
78.66949
7.206321
0.000296
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-6.68E-05
0.040344
-3.982134
-3.764443
-3.905388
1.842086
CONSUMO PRIVADO
Null Hypothesis: D(LCP) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 4 (Newey-West using Bartlett kernel)
Phillips-Perron test statistic
Adj. t-Stat
Prob.*
-7.186307
0.0000
328
Test critical values:
1% level
5% level
10% level
-4.211868
-3.529758
-3.196411
*MacKinnon (1996) one-sided p-values.
Residual variance (no correction)
HAC corrected variance (Bartlett kernel)
0.002479
0.002586
Phillips-Perron Test Equation
Dependent Variable: D(LCP,2)
Method: Least Squares
Date: 12/08/13 Time: 23:35
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(LCP(-1))
C
@TREND(1970)
-1.180213
-0.011553
0.000947
0.163751
0.017634
0.000748
-7.207367
-0.655177
1.265988
0.0000
0.5165
0.2136
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.590668
0.567928
0.051824
0.096687
61.65826
25.97411
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.000128
0.078841
-3.008116
-2.880150
-2.962203
2.097204
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.300763
-4.205004
-3.526609
-3.194611
0.0807
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/08/13 Time: 23:36
329
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LI(-1)
C
@TREND(1970)
-0.455577
1.316251
0.002429
0.138022
0.397634
0.001735
-3.300763
3.310208
1.399939
0.0021
0.0021
0.1699
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.227732
0.185988
0.112619
0.469273
32.15144
5.455416
0.008389
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.005259
0.124824
-1.457572
-1.330906
-1.411774
1.703465
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.975185
-3.605593
-2.936942
-2.606857
0.2962
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/08/13 Time: 23:38
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
C
-0.086970
0.234166
0.044032
0.109572
-1.975185
2.137104
0.0555
0.0391
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.093108
0.069243
0.070295
0.187771
50.47067
3.901356
0.055544
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.018858
0.072863
-2.423534
-2.339090
-2.393001
1.743867
330
COMERCIO INTRARREGIONAL
Null Hypothesis: LR has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
1.360763
-2.624057
-1.949319
-1.611711
0.9540
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/08/13 Time: 23:39
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LR(-1)
0.011100
0.008157
1.360763
0.1814
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
-0.008848
-0.008848
0.128522
0.644198
25.81504
2.232625
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.030098
0.127957
-1.240752
-1.198530
-1.225486
COMERCIO EXTRARREGIONAL
Null Hypothesis: LW has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-1.614158
-4.205004
-3.526609
-3.194611
0.7695
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
331
Dependent Variable: D(LW)
Method: Least Squares
Date: 12/08/13 Time: 23:40
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LW(-1)
C
@TREND(1970)
-0.145443
0.409656
0.003395
0.090105
0.236988
0.002234
-1.614158
1.728592
1.519581
0.1150
0.0922
0.1371
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.066552
0.016095
0.074170
0.203545
48.85740
1.318989
0.279685
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.032823
0.074774
-2.292870
-2.166204
-2.247072
1.933019
POBLACION
Null Hypothesis: LPO has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.597968
-3.626784
-2.945842
-2.611531
0.1027
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPO)
Method: Least Squares
Date: 12/08/13 Time: 23:41
Sample (adjusted): 1975 2010
Included observations: 36 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPO(-1)
D(LPO(-1))
D(LPO(-2))
D(LPO(-3))
D(LPO(-4))
C
-0.001251
2.811924
-3.254230
1.823507
-0.433646
0.008753
0.000481
0.164253
0.418001
0.411132
0.154188
0.003359
-2.597968
17.11944
-7.785226
4.435335
-2.812446
2.605682
0.0144
0.0000
0.0000
0.0001
0.0086
0.0141
R-squared
Adjusted R-squared
S.E. of regression
0.999503
0.999420
6.47E-05
Mean dependent var
S.D. dependent var
Akaike info criterion
0.009155
0.002689
-16.30177
332
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
1.26E-07
299.4318
12071.96
0.000000
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
-16.03785
-16.20965
2.113590
POBLACION TOTAL DE CENTROAMERICA excepto panama
Null Hypothesis: LPOCA has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.560711
-3.626784
-2.945842
-2.611531
0.1104
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCA)
Method: Least Squares
Date: 12/21/13 Time: 02:15
Sample (adjusted): 1975 2010
Included observations: 36 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCA(-1)
D(LPOCA(-1))
D(LPOCA(-2))
D(LPOCA(-3))
D(LPOCA(-4))
C
-0.000693
3.029698
-3.824559
2.369319
-0.629563
0.013036
0.000270
0.146117
0.381768
0.383315
0.147249
0.005065
-2.560711
20.73472
-10.01802
6.181132
-4.275510
2.573965
0.0157
0.0000
0.0000
0.0000
0.0002
0.0152
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.999770
0.999732
4.97E-05
7.41E-08
308.9541
26110.37
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021327
0.003035
-16.83078
-16.56686
-16.73867
2.175969
DEFLACTOR DEL PIB
333
Null Hypothesis: LDP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 3 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.597430
-4.226815
-3.536601
-3.200320
0.2836
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/08/13 Time: 23:42
Sample (adjusted): 1974 2010
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
D(LDP(-1))
D(LDP(-2))
D(LDP(-3))
C
@TREND(1970)
-0.144167
0.102161
0.037365
0.489825
0.088992
0.005870
0.055504
0.146461
0.148265
0.148218
0.037327
0.002291
-2.597430
0.697531
0.252017
3.304764
2.384091
2.562334
0.0142
0.4907
0.8027
0.0024
0.0234
0.0155
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.380822
0.280955
0.052971
0.086983
59.47894
3.813280
0.008296
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.031581
0.062468
-2.890754
-2.629524
-2.798658
2.032174
ANEXO 2 TEST DE COINTEGRACION
Date: 12/21/13 Time: 02:23
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Trend assumption: Linear deterministic trend
Series: LY LCP LI LG LDP LRR LWR LPOCA
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
0.888951
304.0757
159.5297
0.0000
334
At most 1 *
At most 2 *
At most 3 *
At most 4 *
At most 5 *
At most 6 *
At most 7
0.805727
0.753146
0.602846
0.455099
0.447163
0.346875
0.012239
218.3621
154.4609
99.90151
63.88771
40.20879
17.09376
0.480272
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0000
0.0008
0.0022
0.0285
0.4883
Trace test indicates 7 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5 *
At most 6 *
At most 7
0.888951
0.805727
0.753146
0.602846
0.455099
0.447163
0.346875
0.012239
85.71354
63.90119
54.55944
36.01380
23.67892
23.11503
16.61349
0.480272
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
3.841466
0.0000
0.0003
0.0006
0.0274
0.1463
0.0260
0.0209
0.4883
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/7/13 Time: 02:24
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
LY
LCP
LI
LG
LRR
LWR
LPOCA
LDP
LY(-1)
2.689174 3.205089 4.488098 -3.134312 -1.202849 1.454391 0.005372 0.236807
(0.58517) (0.79784) (2.54342) (1.57123) (3.27671) (1.77166) (0.00210) (0.91330)
[ 4.59555] [ 4.01722] [ 1.76459] [-1.99482] [-0.36709] [ 0.82092] [ 2.56429] [ 0.25929]
LY(-2)
-0.344899 0.041756 -1.941053 0.445742 0.025883 -0.777716 -0.001047 1.101209
(0.46388) (0.63247) (2.01625) (1.24556) (2.59755) (1.40445) (0.00166) (0.72400)
[-0.74351] [ 0.06602] [-0.96271] [ 0.35787] [ 0.00996] [-0.55375] [-0.63062] [ 1.52100]
LCP(-1)
-1.088287 -1.407095 -2.717697 1.193503 1.003446 0.608563 -0.002029 -0.972452
(0.26483) (0.36108) (1.15108) (0.71109) (1.48295) (0.80180) (0.00095) (0.41333)
[-4.10937] [-3.89693] [-2.36100] [ 1.67841] [ 0.67666] [ 0.75899] [-2.13957] [-2.35270]
LCP(-2)
-0.741498 -1.261860 -1.451915
0.316807
0.158983
0.346667
0.000678 -0.786582
335
(0.25635) (0.34952) (1.11423) (0.68833) (1.43548) (0.77614) (0.00092) (0.40010)
[-2.89249] [-3.61027] [-1.30306] [ 0.46025] [ 0.11075] [ 0.44666] [ 0.73850] [-1.96595]
LI(-1)
-0.316811 -0.531327 -0.612428 0.286379 -0.258558 -0.276464 -0.000523 0.057499
(0.13691) (0.18667) (0.59509) (0.36763) (0.76666) (0.41452) (0.00049) (0.21369)
[-2.31394] [-2.84630] [-1.02913] [ 0.77900] [-0.33725] [-0.66695] [-1.06594] [ 0.26908]
LI(-2)
-0.165531 -0.191902 -0.436312 0.197289 -0.122082 -0.322248 -0.000480 -0.081100
(0.07722) (0.10529) (0.33565) (0.20735) (0.43242) (0.23380) (0.00028) (0.12053)
[-2.14355] [-1.82264] [-1.29991] [ 0.95148] [-0.28232] [-1.37830] [-1.73744] [-0.67289]
LG(-1)
-0.229086 -0.321385 -0.569878 0.777326 -0.639445 0.316863 -0.000599 -0.113117
(0.09050) (0.12339) (0.39335) (0.24300) (0.50676) (0.27400) (0.00032) (0.14125)
[-2.53135] [-2.60462] [-1.44876] [ 3.19889] [-1.26182] [ 1.15644] [-1.84914] [-0.80085]
LG(-2)
-0.147076 -0.270798 -0.066669 -0.108233 -0.294563 0.358292 0.000603 -0.440386
(0.10436) (0.14229) (0.45361) (0.28022) (0.58439) (0.31597) (0.00037) (0.16288)
[-1.40927] [-1.90311] [-0.14697] [-0.38624] [-0.50405] [ 1.13394] [ 1.61406] [-2.70366]
LRR(-1)
0.044819 0.135928 0.139298 -0.226431 0.192104 -0.136287 0.000129 0.135792
(0.04391) (0.05987) (0.19086) (0.11791) (0.24589) (0.13295) (0.00016) (0.06854)
[ 1.02065] [ 2.27035] [ 0.72983] [-1.92042] [ 0.78126] [-1.02511] [ 0.82339] [ 1.98134]
LRR(-2)
0.072852 0.095900 0.218317 0.174792 -0.115811 -0.023727 6.73E-06 0.036615
(0.04820) (0.06571) (0.20949) (0.12941) (0.26989) (0.14592) (0.00017) (0.07522)
[ 1.51155] [ 1.45936] [ 1.04215] [ 1.35065] [-0.42911] [-0.16260] [ 0.03900] [ 0.48675]
LWR(-1)
0.179552 0.130922 0.795063 0.566619 0.435755 0.332668 -0.000673 0.002923
(0.10924) (0.14894) (0.47481) (0.29332) (0.61171) (0.33074) (0.00039) (0.17050)
[ 1.64363] [ 0.87901] [ 1.67448] [ 1.93174] [ 0.71236] [ 1.00583] [-1.72019] [ 0.01714]
LWR(-2)
0.017651 -0.044343 0.171560 -0.035429 0.536759 0.315840 -5.09E-05 -0.163606
(0.09288) (0.12664) (0.40371) (0.24940) (0.52011) (0.28121) (0.00033) (0.14497)
[ 0.19004] [-0.35016] [ 0.42496] [-0.14206] [ 1.03202] [ 1.12314] [-0.15295] [-1.12858]
LPOCA(-1)
-119.7643 -177.0589 -412.4690 52.39397 -204.3494 73.50885 1.791765 -2.120296
(37.4580) (51.0714) (162.810) (100.578) (209.750) (113.408) (0.13411) (58.4626)
[-3.19729] [-3.46689] [-2.53343] [ 0.52093] [-0.97425] [ 0.64818] [ 13.3602] [-0.03627]
LPOCA(-2)
118.6356 176.0301 405.8751 -52.49006 202.5174 -74.35592 -0.790169 4.433778
(37.0820) (50.5587) (161.176) (99.5681) (207.644) (112.270) (0.13277) (57.8757)
[ 3.19928] [ 3.48170] [ 2.51821] [-0.52718] [ 0.97531] [-0.66230] [-5.95160] [ 0.07661]
LDP(-1)
0.055354 0.029863 0.629680 0.225517 0.004370 -0.681153 -0.000807 0.686124
(0.13885) (0.18932) (0.60353) (0.37284) (0.77753) (0.42040) (0.00050) (0.21672)
[ 0.39865] [ 0.15774] [ 1.04333] [ 0.60487] [ 0.00562] [-1.62026] [-1.62292] [ 3.16599]
LDP(-2)
0.348107 0.370307 1.162409 0.278215 0.288042 0.508121 -0.000636 0.124652
(0.17215) (0.23471) (0.74823) (0.46222) (0.96395) (0.52119) (0.00062) (0.26868)
[ 2.02217] [ 1.57773] [ 1.55355] [ 0.60191] [ 0.29882] [ 0.97493] [-1.03215] [ 0.46395]
C
28.49912 30.11264 141.0311 5.579445 41.70591 2.364112 -0.033524 -32.21056
(9.97569) (13.6012) (43.3591) (26.7855) (55.8599) (30.2025) (0.03572) (15.5696)
[ 2.85686] [ 2.21398] [ 3.25263] [ 0.20830] [ 0.74662] [ 0.07828] [-0.93861] [-2.06882]
R-squared
Adj. R-squared
0.972335
0.952215
0.968664
0.945874
0.733481
0.539649
0.958907
0.929021
0.804001
0.661457
0.959627
0.930264
1.000000
0.999999
0.996529
0.994005
336
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.061104 0.113588
0.052701 0.071855
48.32644 42.50403
70.60690 58.51676
-2.749072 -2.129064
-2.023929 -1.403922
8.179554 7.922705
0.241088 0.308853
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.154363 0.440537
0.229066 0.141508
3.784102 32.08581
13.30166 32.08617
0.189659 -0.773650
0.914801 -0.048508
6.896909 5.775227
0.337610 0.531149
1.915942 0.560102 7.83E-07 0.148845
0.295107 0.159559 0.000189 0.082254
5.640356 32.68208 4052150. 394.8187
3.421770 27.40374 290.2666 53.24543
0.696320 -0.533525 -14.01367 -1.858740
1.421462 0.191617 -13.28853 -1.133598
2.473885 3.881770 17.09188 3.295054
0.507193 0.604219 0.246466 1.062375
2.50E-23
2.57E-25
661.4104
-26.94412
-21.14298
COMPORTAMIENTO DE LOS ERRORES
LY Residuals
LCP Residuals
.10
.05
LI Residuals
.15
.6
.10
.4
.05
.2
.00
.0
-.05
-.2
-.10
-.4
.00
-.05
-.10
-.15
-.15
75
80
85
90
95
00
05
10
-.6
75
80
LG Residuals
85
90
95
00
05
10
75
80
LRR Residuals
.3
0.4
.3
.2
0.2
.2
0.0
.1
.1
85
90
95
00
05
10
00
05
10
LWR Residuals
-0.2
.0
-0.4
-.1
.0
-.1
-0.6
-.2
-.2
-0.8
-.3
-.3
-1.0
75
80
85
90
95
00
05
10
-.4
75
80
LPOCA Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0003
.2
.0002
.1
.0001
.0000
.0
-.0001
-.1
-.0002
-.0003
-.2
75
80
85
90
95
00
05
10
75
80
85
90
95
TEST DE AUTOCORRELACION
337
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/7/13 Time: 02:26
Sample: 1970 2010
Included observations: 39
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
9
10
11
12
134.2744
106.4856
64.32918
53.47759
81.82055
72.74770
62.38488
80.57316
79.39985
86.39431
73.06493
86.24498
0.0000
0.0007
0.4649
0.8230
0.0660
0.2122
0.5338
0.0789
0.0929
0.0326
0.2048
0.0334
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 02:27
Sample: 1970 2010
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.174699
0.326998
-0.034570
0.081149
-0.586188
0.256498
-0.152746
-0.131544
0.198378
0.695028
0.007768
0.042804
2.233509
0.427643
0.151654
0.112475
1
1
1
1
1
1
1
1
0.6560
0.4045
0.9298
0.8361
0.1350
0.5131
0.6970
0.7373
3.869259
8
0.8687
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
1.432329
1.421729
0.829356
3.993589
4.047775
7.656506
1
1
1
0.0457
0.0442
0.0057
338
4
5
6
7
8
0.990083
2.317244
1.000097
0.916871
0.973652
Joint
6.564619
0.757503
6.499370
7.051569
6.672388
1
1
1
1
1
0.0104
0.3841
0.0108
0.0079
0.0098
43.24332
8
0.0000
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
4.191967
4.742803
7.664274
6.607423
2.991012
6.927012
7.203223
6.784863
2
2
2
2
2
2
2
2
0.1229
0.0933
0.0217
0.0367
0.2241
0.0313
0.0273
0.0336
Joint
47.11258
16
0.0001
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/7/13 Time: 02:28
Sample: 1970 2010
Included observations: 39
Joint test:
Chi-sq
df
Prob.
1145.088
1116
0.2662
Individual components:
Dependent
R-squared
F(31,7)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
res4*res1
res4*res2
0.873385
0.952386
0.848264
0.896232
0.603163
0.931176
0.871557
0.954448
0.835471
0.882908
0.877856
0.883234
0.915278
1.557608
4.516658
1.262351
1.950258
0.343209
3.055128
1.532218
4.731325
1.146633
1.702644
1.622887
1.708035
2.439451
0.2821
0.0226
0.4006
0.1822
0.9816
0.0644
0.2906
0.0198
0.4609
0.2390
0.2617
0.2376
0.1112
34.06203
37.14306
33.08231
34.95304
23.52336
36.31587
33.99071
37.22348
32.58336
34.43341
34.23639
34.44614
35.69583
0.3224
0.2069
0.3658
0.2857
0.8295
0.2346
0.3255
0.2043
0.3889
0.3068
0.3150
0.3063
0.2571
339
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.919385
0.839416
0.737568
0.903114
0.908819
0.919908
0.844769
0.896949
0.847976
0.806251
0.762769
0.884201
0.637960
0.882645
0.733997
0.736245
0.913364
0.959846
0.905312
0.943265
0.846583
0.917668
0.878462
2.575226
1.180355
0.634633
2.104842
2.250671
2.593549
1.228842
1.965407
1.259530
0.939652
0.726034
1.724182
0.397900
1.698318
0.623080
0.630315
2.380572
5.397769
2.158930
3.754218
1.246042
2.516839
1.632109
0.0980
0.4424
0.8204
0.1549
0.1337
0.0963
0.4171
0.1792
0.4019
0.5909
0.7503
0.2333
0.9639
0.2402
0.8290
0.8236
0.1177
0.0135
0.1466
0.0376
0.4085
0.1034
0.2589
35.85600
32.73724
28.76517
35.22146
35.44396
35.87643
32.94599
34.98102
33.07107
31.44379
29.74798
34.48384
24.88046
34.42314
28.62588
28.71354
35.62119
37.43401
35.30716
36.78734
33.01674
35.78907
34.26004
0.2511
0.3817
0.5815
0.2751
0.2665
0.2504
0.3720
0.2846
0.3663
0.4440
0.5303
0.3047
0.7730
0.3072
0.5887
0.5841
0.2598
0.1977
0.2718
0.2185
0.3688
0.2536
0.3140
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LY LCP LI LG LRR LWR LPOCA LDP
Exogenous variables: C
Date: 12/7/13 Time: 02:29
Sample: 1970 2010
Included observations: 38
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
82.70167
535.9474
656.3924
869.2590
NA
691.7961
133.1234
145.6456*
2.71e-12
3.69e-21
3.03e-22
5.68e-25*
-3.931667
-24.41828
-27.38907
-35.22416*
-3.586912
-21.31549
-21.52824
-26.60528*
-3.809006
-23.31433
-25.30383
-32.15763*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
ANEXO 4 VECM ESTIMADO
340
Vector Error Correction Estimates
Date: 12/7/13 Time: 02:31
Sample (adjusted): 1973 2010
Included observations: 38 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
LY(-1)
1.000000
0.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
0.000000
LG(-1)
0.000000
0.000000
0.000000
1.000000
LRR(-1)
-0.222387 -0.476592 0.388529 0.568802
(0.08132) (0.15389) (0.19400) (0.16796)
[-2.73456] [-3.09696] [ 2.00273] [ 3.38651]
LWR(-1)
-1.100553 -1.449678 0.747006 1.197441
(0.10753) (0.20348) (0.25652) (0.22209)
[-10.2345] [-7.12427] [ 2.91207] [ 5.39169]
LPOCA(-1)
5.844403 8.172573 -2.353719 -10.44450
(0.79015) (1.49520) (1.88490) (1.63191)
[ 7.39658] [ 5.46589] [-1.24872] [-6.40017]
LDP(-1)
-0.999331 -1.190226 0.003366 1.153932
(0.13077) (0.24745) (0.31194) (0.27007)
[-7.64218] [-4.81004] [ 0.01079] [ 4.27269]
C
Error Correction:
-99.92374 -136.8271
D(LY)
D(LCP)
29.43646
162.8345
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LPOCA)
D(LDP)
CointEq1
0.200301 3.977385 -3.917299 -10.13481 2.292330 -3.380961 0.001821 1.056535
(0.67849) (0.96799) (2.42305) (1.38405) (4.45471) (1.81589) (0.00096) (0.51332)
[ 0.29522] [ 4.10893] [-1.61668] [-7.32258] [ 0.51459] [-1.86188] [ 1.88797] [ 2.05825]
CointEq2
-1.225716 -4.645057 -0.540888 9.107277 -7.452530 2.098554 -0.002307 -0.948570
(0.72060) (1.02807) (2.57345) (1.46996) (4.73122) (1.92860) (0.00102) (0.54518)
[-1.70096] [-4.51823] [-0.21018] [ 6.19560] [-1.57518] [ 1.08812] [-2.25292] [-1.73992]
CointEq3
-0.474763 -1.291502 -1.200956 2.772084 -3.004045 -0.233577 -0.000880 0.326752
(0.21426) (0.30568) (0.76517) (0.43707) (1.40674) (0.57344) (0.00030) (0.16210)
[-2.21584] [-4.22504] [-1.56953] [ 6.34248] [-2.13546] [-0.40733] [-2.89029] [ 2.01575]
CointEq4
-0.572136 -0.900065 -1.486418 0.274078 -2.492438 0.197530 -0.000186 -0.742721
(0.19937) (0.28444) (0.71201) (0.40670) (1.30902) (0.53360) (0.00028) (0.15084)
[-2.86967] [-3.16431] [-2.08762] [ 0.67390] [-1.90405] [ 0.37018] [-0.65541] [-4.92395]
D(LY(-1))
1.101734 -0.830042 6.024101 6.936927 -2.685267 3.254892 -0.000884 -1.854414
(0.73184) (1.04410) (2.61358) (1.49288) (4.80500) (1.95868) (0.00104) (0.55368)
[ 1.50543] [-0.79498] [ 2.30492] [ 4.64667] [-0.55885] [ 1.66178] [-0.84956] [-3.34925]
D(LY(-2))
0.972134
1.491983
3.216896 -2.036236
7.221946
2.267839
0.001155 -1.098205
341
(0.46097) (0.65766) (1.64626) (0.94034) (3.02659) (1.23374) (0.00066) (0.34876)
[ 2.10887] [ 2.26861] [ 1.95407] [-2.16542] [ 2.38616] [ 1.83818] [ 1.76301] [-3.14893]
D(LCP(-1))
0.443205 2.328470 -1.029734 -6.750080 7.259871 -0.686495 0.001947 0.358384
(0.61987) (0.88436) (2.21371) (1.26448) (4.06985) (1.65901) (0.00088) (0.46897)
[ 0.71500] [ 2.63295] [-0.46516] [-5.33824] [ 1.78382] [-0.41380] [ 2.21000] [ 0.76419]
D(LCP(-2))
-0.086922 0.108004 0.054988 -1.349966 2.989520 0.626682 0.000589 -0.175246
(0.25793) (0.36798) (0.92112) (0.52615) (1.69346) (0.69031) (0.00037) (0.19514)
[-0.33700] [ 0.29351] [ 0.05970] [-2.56576] [ 1.76534] [ 0.90783] [ 1.60661] [-0.89806]
D(LI(-1))
0.194807 0.584096 0.231320 -1.869996 1.700969 0.094349 0.000469 0.071926
(0.17159) (0.24481) (0.61281) (0.35004) (1.12663) (0.45925) (0.00024) (0.12982)
[ 1.13527] [ 2.38591] [ 0.37748] [-5.34229] [ 1.50979] [ 0.20544] [ 1.92230] [ 0.55404]
D(LI(-2))
-0.118696 0.075966 -0.810669 -0.725231 -0.510596 -0.659098 9.34E-05 0.206927
(0.07479) (0.10670) (0.26710) (0.15257) (0.49105) (0.20017) (0.00011) (0.05658)
[-1.58704] [ 0.71194] [-3.03512] [-4.75356] [-1.03981] [-3.29273] [ 0.87892] [ 3.65702]
D(LG(-1))
0.331320 0.683704 0.595271 -0.768373 1.807191 0.058606 0.000273 0.588049
(0.18650) (0.26608) (0.66605) (0.38045) (1.22452) (0.49915) (0.00027) (0.14110)
[ 1.77648] [ 2.56953] [ 0.89373] [-2.01965] [ 1.47584] [ 0.11741] [ 1.03029] [ 4.16757]
D(LG(-2))
0.233821 0.241230 0.999031 0.232146 0.537192 0.581904 -5.04E-05 0.392001
(0.12084) (0.17240) (0.43154) (0.24650) (0.79337) (0.32341) (0.00017) (0.09142)
[ 1.93501] [ 1.39928] [ 2.31504] [ 0.94178] [ 0.67710] [ 1.79930] [-0.29340] [ 4.28788]
D(LRR(-1))
-0.047825 -0.164890 -0.020919 0.283464 -0.836591 -0.029457 -1.82E-05 0.103358
(0.05470) (0.07804) (0.19534) (0.11158) (0.35913) (0.14640) (7.8E-05) (0.04138)
[-0.87432] [-2.11294] [-0.10709] [ 2.54044] [-2.32946] [-0.20122] [-0.23369] [ 2.49758]
D(LRR(-2))
-0.045758 -0.045739 -0.239682 0.124584 -0.605159 -0.250104 6.87E-05 0.069771
(0.04476) (0.06386) (0.15984) (0.09130) (0.29386) (0.11979) (6.4E-05) (0.03386)
[-1.02234] [-0.71629] [-1.49949] [ 1.36453] [-2.05932] [-2.08788] [ 1.08019] [ 2.06046]
D(LWR(-1))
-0.288026 -0.013685 -1.682469 -0.363538 -1.449510 -1.075929 -0.000394 0.168252
(0.13364) (0.19066) (0.47727) (0.27262) (0.87745) (0.35768) (0.00019) (0.10111)
[-2.15520] [-0.07177] [-3.52519] [-1.33351] [-1.65196] [-3.00810] [-2.07391] [ 1.66407]
D(LWR(-2))
-0.123279 -0.096637 -0.660208 -0.079996 -0.459562 -0.097399 -0.000227 0.057027
(0.09129) (0.13024) (0.32601) (0.18622) (0.59936) (0.24432) (0.00013) (0.06906)
[-1.35045] [-0.74200] [-2.02511] [-0.42958] [-0.76675] [-0.39866] [-1.74919] [ 0.82571]
D(LPOCA(-1))
-55.91942 -297.2698 -43.19382 407.4143 -480.7294 471.4972 1.679991 101.2595
(60.7595) (86.6843) (216.987) (123.943) (398.925) (162.615) (0.08636) (45.9682)
[-0.92034] [-3.42934] [-0.19906] [ 3.28710] [-1.20506] [ 2.89947] [ 19.4539] [ 2.20282]
D(LPOCA(-2))
-112.6769 -60.30841 -441.9169 217.4979 -619.2184 -495.5957 -0.985347 12.16670
(57.9086) (82.6170) (206.806) (118.128) (380.207) (154.985) (0.08231) (43.8113)
[-1.94577] [-0.72998] [-2.13687] [ 1.84121] [-1.62864] [-3.19770] [-11.9718] [ 0.27771]
D(LDP(-1))
-0.581524 -0.532660 -2.057158 -0.147568 -2.520162 -1.468960 -0.000680 -0.131066
(0.18764) (0.26771) (0.67012) (0.38277) (1.23200) (0.50220) (0.00027) (0.14196)
[-3.09910] [-1.98971] [-3.06983] [-0.38552] [-2.04559] [-2.92503] [-2.55026] [-0.92323]
D(LDP(-2))
-0.275351 -0.154749 -1.513846 -0.222008 -2.188105 -1.002115 -0.000419
(0.16011) (0.22843) (0.57180) (0.32662) (1.05124) (0.42852) (0.00023)
4.57E-05
(0.12114)
342
[-1.71973] [-0.67745] [-2.64749] [-0.67972] [-2.08144] [-2.33853] [-1.84288] [ 0.00038]
C
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
3.727083 7.796191 10.80652 -13.52302 24.17668 0.733474 0.006695 -2.412242
(1.53728) (2.19321) (5.49001) (3.13590) (10.0932) (4.11434) (0.00218) (1.16305)
[ 2.42447] [ 3.55470] [ 1.96840] [-4.31232] [ 2.39534] [ 0.17827] [ 3.06409] [-2.07407]
0.819469
0.607081
0.039790
0.048380
3.858345
76.45321
-2.918590
-2.013608
0.013971
0.077181
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
0.851934 0.842012 0.848728 0.593217 0.816770 0.999788 0.969632
0.677739 0.656145 0.670762 0.114648 0.601204 0.999539 0.933905
0.080989 0.507473 0.165574 1.715246 0.285014 8.04E-08 0.022775
0.069022 0.172775 0.098690 0.317643 0.129482 6.88E-05 0.036602
4.890694 4.530168 4.769031 1.239565 3.788968 4011.326 27.14007
62.94990 28.08239 49.36292 4.942904 39.04360 325.5882 87.05417
-2.207889 -0.372757 -1.492785 0.845110 -0.949663 -16.03096 -3.476535
-1.302908 0.532224 -0.587804 1.750092 -0.044681 -15.12597 -2.571553
0.016339 0.014037 0.042494 -0.002441 0.002836 0.021616 0.070804
0.121586 0.294642 0.171995 0.337583 0.205038 0.003202 0.142371
7.27E-27
1.17E-29
834.4465
-33.39192
-24.77305
P-VALUES DE LOS COEFICIENTES Y ECUACIONES DEL VECM
System: UNTITLED
Estimation Method: Least Squares
Date: 12/7/13 Time: 02:35
Sample: 1973 2010
Included observations: 38
Total system (balanced) observations 304
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
C(17)
C(18)
Coefficient
Std. Error
t-Statistic
Prob.
0.200301
-1.225716
-0.474763
-0.572136
1.101734
0.972134
0.443205
-0.086922
0.194807
-0.118696
0.331320
0.233821
-0.047825
-0.045758
-0.288026
-0.123279
-55.91942
-112.6769
0.678488
0.720603
0.214258
0.199374
0.731840
0.460975
0.619871
0.257927
0.171594
0.074791
0.186504
0.120837
0.054699
0.044758
0.133642
0.091287
60.75946
57.90856
0.295217
-1.700960
-2.215844
-2.869667
1.505430
2.108868
0.714997
-0.337003
1.135275
-1.587043
1.776481
1.935007
-0.874321
-1.022344
-2.155199
-1.350450
-0.920341
-1.945772
0.7683
0.0912
0.0284
0.0048
0.1345
0.0368
0.4758
0.7366
0.2583
0.1148
0.0779
0.0551
0.3835
0.3084
0.0329
0.1791
0.3590
0.0537
343
C(19)
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
C(74)
C(75)
-0.581524
-0.275351
3.727083
3.977385
-4.645057
-1.291502
-0.900065
-0.830042
1.491983
2.328470
0.108004
0.584096
0.075966
0.683704
0.241230
-0.164890
-0.045739
-0.013685
-0.096637
-297.2698
-60.30841
-0.532660
-0.154749
7.796191
-3.917299
-0.540888
-1.200956
-1.486418
6.024101
3.216896
-1.029734
0.054988
0.231320
-0.810669
0.595271
0.999031
-0.020919
-0.239682
-1.682469
-0.660208
-43.19382
-441.9169
-2.057158
-1.513846
10.80652
-10.13481
9.107277
2.772084
0.274078
6.936927
-2.036236
-6.750080
-1.349966
-1.869996
-0.725231
-0.768373
0.232146
0.187643
0.160113
1.537280
0.967985
1.028069
0.305678
0.284443
1.044102
0.657663
0.884357
0.367979
0.244810
0.106702
0.266081
0.172396
0.078038
0.063855
0.190665
0.130238
86.68432
82.61700
0.267707
0.228430
2.193207
2.423051
2.573453
0.765171
0.712014
2.613585
1.646256
2.213714
0.921123
0.612807
0.267096
0.666051
0.431540
0.195344
0.159842
0.477271
0.326011
216.9873
206.8060
0.670121
0.571804
5.490014
1.384049
1.469959
0.437066
0.406703
1.492883
0.940343
1.264476
0.526146
0.350036
0.152566
0.380449
0.246496
-3.099098
-1.719730
2.424466
4.108932
-4.518233
-4.225037
-3.164312
-0.794982
2.268612
2.632951
0.293507
2.385910
0.711942
2.569532
1.399277
-2.112939
-0.716288
-0.071774
-0.742003
-3.429338
-0.729976
-1.989715
-0.677445
3.554699
-1.616681
-0.210180
-1.569527
-2.087624
2.304919
1.954068
-0.465161
0.059697
0.377476
-3.035119
0.893731
2.315036
-0.107087
-1.499494
-3.525189
-2.025113
-0.199061
-2.136866
-3.069831
-2.647491
1.968396
-7.322577
6.195599
6.342478
0.673903
4.646666
-2.165418
-5.338242
-2.565762
-5.342295
-4.753561
-2.019647
0.941782
0.0024
0.0878
0.0166
0.0001
0.0000
0.0000
0.0019
0.4280
0.0249
0.0094
0.7696
0.0184
0.4777
0.0113
0.1640
0.0364
0.4750
0.9429
0.4594
0.0008
0.4667
0.0486
0.4993
0.0005
0.1083
0.8338
0.1188
0.0387
0.0227
0.0527
0.6426
0.9525
0.7064
0.0029
0.3730
0.0221
0.9149
0.1361
0.0006
0.0448
0.8425
0.0344
0.0026
0.0091
0.0511
0.0000
0.0000
0.0000
0.5015
0.0000
0.0321
0.0000
0.0114
0.0000
0.0000
0.0454
0.3480
344
C(76)
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(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(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
C(131)
C(132)
0.283464
0.124584
-0.363538
-0.079996
407.4143
217.4979
-0.147568
-0.222008
-13.52302
2.292330
-7.452530
-3.004045
-2.492438
-2.685267
7.221946
7.259871
2.989520
1.700969
-0.510596
1.807191
0.537192
-0.836591
-0.605159
-1.449510
-0.459562
-480.7294
-619.2184
-2.520162
-2.188105
24.17668
-3.380961
2.098554
-0.233577
0.197530
3.254892
2.267839
-0.686495
0.626682
0.094349
-0.659098
0.058606
0.581904
-0.029457
-0.250104
-1.075929
-0.097399
471.4972
-495.5957
-1.468960
-1.002115
0.733474
0.001821
-0.002307
-0.000880
-0.000186
-0.000884
0.001155
0.111581
0.091302
0.272617
0.186218
123.9434
118.1278
0.382774
0.326615
3.135902
4.454707
4.731217
1.406744
1.309017
4.804998
3.026593
4.069848
1.693457
1.126627
0.491049
1.224516
0.793374
0.359135
0.293864
0.877448
0.599361
398.9248
380.2068
1.231997
1.051245
10.09323
1.815888
1.928603
0.573436
0.533599
1.958678
1.233741
1.659006
0.690310
0.459251
0.200168
0.499154
0.323406
0.146395
0.119789
0.357677
0.244319
162.6151
154.9850
0.502203
0.428523
4.114338
0.000964
0.001024
0.000305
0.000283
0.001040
0.000655
2.540436
1.364532
-1.333511
-0.429582
3.287100
1.841208
-0.385523
-0.679722
-4.312322
0.514586
-1.575182
-2.135460
-1.904053
-0.558849
2.386163
1.783818
1.765336
1.509788
-1.039808
1.475842
0.677098
-2.329462
-2.059316
-1.651962
-0.766754
-1.205063
-1.628636
-2.045590
-2.081442
2.395336
-1.861878
1.088121
-0.407330
0.370184
1.661780
1.838181
-0.413799
0.907827
0.205441
-3.292727
0.117410
1.799300
-0.201218
-2.087877
-3.008101
-0.398655
2.899468
-3.197701
-2.925031
-2.338534
0.178273
1.887967
-2.252924
-2.890291
-0.655411
-0.849559
1.763014
0.0122
0.1747
0.1846
0.6682
0.0013
0.0678
0.7005
0.4978
0.0000
0.6077
0.1175
0.0345
0.0590
0.5772
0.0184
0.0767
0.0798
0.1334
0.3003
0.1423
0.4995
0.0213
0.0414
0.1008
0.4446
0.2303
0.1057
0.0427
0.0393
0.0180
0.0648
0.2785
0.6844
0.7118
0.0989
0.0682
0.6797
0.3656
0.8375
0.0013
0.9067
0.0742
0.8408
0.0387
0.0031
0.6908
0.0044
0.0017
0.0040
0.0208
0.8588
0.0612
0.0259
0.0045
0.5133
0.3971
0.0801
345
C(133)
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
C(141)
C(142)
C(143)
C(144)
C(145)
C(146)
C(147)
C(148)
C(149)
C(150)
C(151)
C(152)
C(153)
C(154)
C(155)
C(156)
C(157)
C(158)
C(159)
C(160)
C(161)
C(162)
C(163)
C(164)
C(165)
C(166)
C(167)
C(168)
0.001947
0.000589
0.000469
9.34E-05
0.000273
-5.04E-05
-1.82E-05
6.87E-05
-0.000394
-0.000227
1.679991
-0.985347
-0.000680
-0.000419
0.006695
1.056535
-0.948570
0.326752
-0.742721
-1.854414
-1.098205
0.358384
-0.175246
0.071926
0.206927
0.588049
0.392001
0.103358
0.069771
0.168252
0.057027
101.2595
12.16670
-0.131066
4.57E-05
-2.412242
Determinant residual covariance
0.000881
0.000367
0.000244
0.000106
0.000265
0.000172
7.77E-05
6.36E-05
0.000190
0.000130
0.086357
0.082305
0.000267
0.000228
0.002185
0.513317
0.545179
0.162099
0.150838
0.553681
0.348755
0.468970
0.195137
0.129822
0.056584
0.141101
0.091421
0.041383
0.033862
0.101109
0.069064
45.96821
43.81133
0.141963
0.121135
1.163046
2.209996
1.606612
1.922299
0.878918
1.030288
-0.293405
-0.233695
1.080191
-2.073912
-1.749193
19.45392
-11.97183
-2.550259
-1.842884
3.064088
2.058250
-1.739923
2.015748
-4.923953
-3.349245
-3.148928
0.764194
-0.898064
0.554038
3.657016
4.167565
4.287876
2.497576
2.060462
1.664075
0.825713
2.202815
0.277707
-0.923235
0.000377
-2.074074
0.0288
0.1105
0.0567
0.3810
0.3047
0.7697
0.8156
0.2820
0.0400
0.0825
0.0000
0.0000
0.0119
0.0675
0.0026
0.0415
0.0841
0.0458
0.0000
0.0010
0.0020
0.4461
0.3707
0.5805
0.0004
0.0001
0.0000
0.0137
0.0413
0.0984
0.4104
0.0293
0.7817
0.3575
0.9997
0.0400
1.17E-29
Equation: D(LY) = C(1)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(2)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(3)*( LI(
-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(4)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(5)*D(LY(-1)) + C(6)
*D(LY(-2)) + C(7)*D(LCP(-1)) + C(8)*D(LCP(-2)) + C(9)*D(LI(-1)) +
C(10)*D(LI(-2)) + C(11)*D(LG(-1)) + C(12)*D(LG(-2)) + C(13)*D(LRR(
-1)) + C(14)*D(LRR(-2)) + C(15)*D(LWR(-1)) + C(16)*D(LWR(-2)) +
C(17)*D(LPOCA(-1)) + C(18)*D(LPOCA(-2)) + C(19)*D(LDP(-1)) +
C(20)*D(LDP(-2)) + C(21)
Observations: 38
R-squared
0.819469 Mean dependent var
0.013971
346
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.607081
0.048380
2.223972
S.D. dependent var
Sum squared resid
0.077181
0.039790
Equation: D(LCP) = C(22)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(23)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(24)*( LI(
-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(25)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(26)*D(LY(-1)) + C(27)
*D(LY(-2)) + C(28)*D(LCP(-1)) + C(29)*D(LCP(-2)) + C(30)*D(LI(-1)) +
C(31)*D(LI(-2)) + C(32)*D(LG(-1)) + C(33)*D(LG(-2)) + C(34)*D(LRR(
-1)) + C(35)*D(LRR(-2)) + C(36)*D(LWR(-1)) + C(37)*D(LWR(-2)) +
C(38)*D(LPOCA(-1)) + C(39)*D(LPOCA(-2)) + C(40)*D(LDP(-1)) +
C(41)*D(LDP(-2)) + C(42)
Observations: 38
R-squared
0.851934 Mean dependent var
0.016339
Adjusted R-squared
0.677739 S.D. dependent var
0.121586
S.E. of regression
0.069022 Sum squared resid
0.080989
Durbin-Watson stat
2.128657
Equation: D(LI) = C(43)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(44)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(45)*( LI(
-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(46)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(47)*D(LY(-1)) + C(48)
*D(LY(-2)) + C(49)*D(LCP(-1)) + C(50)*D(LCP(-2)) + C(51)*D(LI(-1)) +
C(52)*D(LI(-2)) + C(53)*D(LG(-1)) + C(54)*D(LG(-2)) + C(55)*D(LRR(
-1)) + C(56)*D(LRR(-2)) + C(57)*D(LWR(-1)) + C(58)*D(LWR(-2)) +
C(59)*D(LPOCA(-1)) + C(60)*D(LPOCA(-2)) + C(61)*D(LDP(-1)) +
C(62)*D(LDP(-2)) + C(63)
Observations: 38
R-squared
0.842012 Mean dependent var
0.014037
Adjusted R-squared
0.656145 S.D. dependent var
0.294642
S.E. of regression
0.172775 Sum squared resid
0.507473
Durbin-Watson stat
2.773998
Equation: D(LG) = C(64)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(65)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(66)*( LI(
-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(67)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(68)*D(LY(-1)) + C(69)
*D(LY(-2)) + C(70)*D(LCP(-1)) + C(71)*D(LCP(-2)) + C(72)*D(LI(-1)) +
347
C(73)*D(LI(-2)) + C(74)*D(LG(-1)) + C(75)*D(LG(-2)) + C(76)*D(LRR(
-1)) + C(77)*D(LRR(-2)) + C(78)*D(LWR(-1)) + C(79)*D(LWR(-2)) +
C(80)*D(LPOCA(-1)) + C(81)*D(LPOCA(-2)) + C(82)*D(LDP(-1)) +
C(83)*D(LDP(-2)) + C(84)
Observations: 38
R-squared
0.848728 Mean dependent var
0.042494
Adjusted R-squared
0.670762 S.D. dependent var
0.171995
S.E. of regression
0.098690 Sum squared resid
0.165574
Durbin-Watson stat
2.456378
Equation: D(LRR) = C(85)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(86)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(87)*( LI(
-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(88)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(89)*D(LY(-1)) + C(90)
*D(LY(-2)) + C(91)*D(LCP(-1)) + C(92)*D(LCP(-2)) + C(93)*D(LI(-1)) +
C(94)*D(LI(-2)) + C(95)*D(LG(-1)) + C(96)*D(LG(-2)) + C(97)*D(LRR(
-1)) + C(98)*D(LRR(-2)) + C(99)*D(LWR(-1)) + C(100)*D(LWR(-2)) +
C(101)*D(LPOCA(-1)) + C(102)*D(LPOCA(-2)) + C(103)*D(LDP(-1)) +
C(104)*D(LDP(-2)) + C(105)
Observations: 38
R-squared
0.593217 Mean dependent var
-0.002441
Adjusted R-squared
0.114648 S.D. dependent var
0.337583
S.E. of regression
0.317643 Sum squared resid
1.715246
Durbin-Watson stat
2.236325
Equation: D(LWR) = C(106)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(107)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(108)*(
LI(-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(109)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(110)*D(LY(-1)) +
C(111)*D(LY(-2)) + C(112)*D(LCP(-1)) + C(113)*D(LCP(-2)) + C(114)
*D(LI(-1)) + C(115)*D(LI(-2)) + C(116)*D(LG(-1)) + C(117)*D(LG(-2)) +
C(118)*D(LRR(-1)) + C(119)*D(LRR(-2)) + C(120)*D(LWR(-1)) +
C(121)*D(LWR(-2)) + C(122)*D(LPOCA(-1)) + C(123)*D(LPOCA(-2)) +
C(124)*D(LDP(-1)) + C(125)*D(LDP(-2)) + C(126)
Observations: 38
R-squared
0.816770 Mean dependent var
0.002836
Adjusted R-squared
0.601204 S.D. dependent var
0.205038
S.E. of regression
0.129482 Sum squared resid
0.285014
Durbin-Watson stat
2.670440
Equation: D(LPOCA) = C(127)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(128)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(129)*(
348
LI(-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(130)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(131)*D(LY(-1)) +
C(132)*D(LY(-2)) + C(133)*D(LCP(-1)) + C(134)*D(LCP(-2)) + C(135)
*D(LI(-1)) + C(136)*D(LI(-2)) + C(137)*D(LG(-1)) + C(138)*D(LG(-2)) +
C(139)*D(LRR(-1)) + C(140)*D(LRR(-2)) + C(141)*D(LWR(-1)) +
C(142)*D(LWR(-2)) + C(143)*D(LPOCA(-1)) + C(144)*D(LPOCA(-2)) +
C(145)*D(LDP(-1)) + C(146)*D(LDP(-2)) + C(147)
Observations: 38
R-squared
0.999788 Mean dependent var
0.021616
Adjusted R-squared
0.999539 S.D. dependent var
0.003202
S.E. of regression
6.88E-05 Sum squared resid
8.04E-08
Durbin-Watson stat
1.703125
Equation: D(LDP) = C(148)*( LY(-1) - 0.222386882093*LRR(-1) 1.10055334499*LWR(-1) + 5.84440307274*LPOCA(-1) 0.999330599126*LDP(-1) - 99.9237396274 ) + C(149)*( LCP(-1) 0.47659194117*LRR(-1) - 1.44967843647*LWR(-1) + 8.17257274493
*LPOCA(-1) - 1.19022566269*LDP(-1) - 136.827114517 ) + C(150)*(
LI(-1) + 0.388529080784*LRR(-1) + 0.747006270174*LWR(-1) 2.35371929459*LPOCA(-1) + 0.00336567250113*LDP(-1) +
29.4364620924 ) + C(151)*( LG(-1) + 0.568802351106*LRR(-1) +
1.19744085662*LWR(-1) - 10.4444959193*LPOCA(-1) +
1.15393151853*LDP(-1) + 162.834518673 ) + C(152)*D(LY(-1)) +
C(153)*D(LY(-2)) + C(154)*D(LCP(-1)) + C(155)*D(LCP(-2)) + C(156)
*D(LI(-1)) + C(157)*D(LI(-2)) + C(158)*D(LG(-1)) + C(159)*D(LG(-2)) +
C(160)*D(LRR(-1)) + C(161)*D(LRR(-2)) + C(162)*D(LWR(-1)) +
C(163)*D(LWR(-2)) + C(164)*D(LPOCA(-1)) + C(165)*D(LPOCA(-2)) +
C(166)*D(LDP(-1)) + C(167)*D(LDP(-2)) + C(168)
Observations: 38
R-squared
0.969632 Mean dependent var
0.070804
Adjusted R-squared
0.933905 S.D. dependent var
0.142371
S.E. of regression
0.036602 Sum squared resid
0.022775
Durbin-Watson stat
2.010631
ANEXO 5 TEST DE VALIDADION DE VECM
TEST DE AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/7/13 Time: 02:52
Sample: 1973 2010
Included observations: 38
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
90.46146
154.0823
233.5972
296.6670
0.0164
0.0580
0.0217
0.0410
92.90637
160.0617
246.3921
316.8819
0.0106
0.0288
0.0049
0.0057
64
128
192
256
349
5
6
7
8
9
10
11
12
350.6473
401.7382
455.1045
511.0449
568.3550
625.9766
683.8594
741.5890
0.1149
0.2564
0.3981
0.5036
0.5818
0.6466
0.6999
0.7469
379.0410
439.7115
505.1282
575.9861
651.0822
729.2829
810.7475
895.1215
0.0129
0.0259
0.0318
0.0260
0.0161
0.0081
0.0032
0.0010
320
384
448
512
576
640
704
768
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
TEST DE NORMALIDAD
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/7/13 Time: 02:53
Sample: 1973 2010
Included observations: 38
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.176195
0.450454
-0.101112
0.066245
-0.567428
-0.523874
0.025707
0.543132
0.196616
1.285087
0.064749
0.027793
2.039175
1.738144
0.004185
1.868282
1
1
1
1
1
1
1
1
0.6575
0.2570
0.7991
0.8676
0.1533
0.1874
0.9484
0.1717
7.224032
8
0.5127
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
2.764598
2.846211
2.583659
4.332937
3.260826
3.572504
2.272566
3.183520
0.087739
0.037447
0.274454
2.813140
0.107714
0.518954
0.837836
0.053326
1
1
1
1
1
1
1
1
0.7671
0.8466
0.6004
0.0935
0.7428
0.4713
0.3600
0.8174
4.730612
8
0.7859
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
0.284355
1.322534
0.339204
2
2
2
0.8675
0.5162
0.8440
350
4
5
6
7
8
2.840933
2.146889
2.257098
0.842021
1.921608
2
2
2
2
2
0.2416
0.3418
0.3235
0.6564
0.3826
Joint
11.95464
16
0.7471
ERRORES ESTIMADOS
D(LY) Residuals
D(LCP) Residuals
.08
D(LI) Residuals
.10
.3
.2
.05
.04
.1
.00
.0
-.05
-.1
.00
-.2
-.04
-.10
-.3
-.08
-.15
75
80
85
90
95
00
05
10
-.4
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LRR) Residuals
.2
85
90
95
00
05
10
05
10
D(LWR) Residuals
0.50
.3
0.25
.2
.1
0.00
.1
.0
-0.25
.0
-0.50
-.1
-.1
-0.75
-.2
-1.00
75
80
85
90
95
00
05
10
-.2
75
80
D(LPOCA) Residuals
85
90
95
00
05
10
05
10
75
80
85
90
95
00
D(LDP) Residuals
.00010
.08
.00005
.04
.00000
.00
-.00005
-.04
-.00010
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
00
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
Pairwise Granger Causality Tests
Date: 12/7/13 Time: 02:57
Sample: 1970 2010
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLY does not Granger Cause DLWR
DLWR does not Granger Cause DLY
37
0.33502
0.63323
0.8001
0.5994
DLRR does not Granger Cause DLWR
DLWR does not Granger Cause DLRR
37
1.50208
0.90661
0.2341
0.4495
351
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
37
0.11009
0.61416
0.9535
0.6112
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
mecanismo PRODUCTO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.96E-08
Probability
1
0.9999
Value
Std. Err.
0.000194
1.384049
Null Hypothesis Summary:
Normalized Restriction (= 0)
10.135000000000001 + C(64)
Restrictions are linear in coefficients.
MECANISMO DE CONSUMO PRIVADO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
3.12E-09
Probability
1
1.0000
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
4.6449999999999994 + C(23)
-5.74E-05
1.028069
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
0.090100
df
Probability
1
0.7640
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
352
0.002 + C(128)
-0.000307
0.001024
Restrictions are linear in coefficients.
MECANISMO DE INVERSION PRIVADA
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.22E-06
Probability
1
0.9991
Value
Std. Err.
0.000237
0.214258
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.475 + C(3)
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
2.66E-06
Probability
1
0.9987
Value
Std. Err.
0.000498
0.305678
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.2920000000000001 + C(24)
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
1.02E-09
df
Probability
1
1.0000
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
3.004 + C(87)
-4.49E-05
1.406744
Restrictions are linear in coefficients.
353
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
0.069303
Probability
1
0.7924
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.0008 + C(129)
-8.02E-05
0.000305
Restrictions are linear in coefficients.
MECANISMO DE GASTO PÚBLICO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
3.34E-08
Probability
1
0.9999
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.5721 + C(4)
-3.65E-05
0.199374
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
5.30E-08
df
Probability
1
0.9998
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.9 + C(25)
-6.55E-05
0.284443
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
354
Test Statistic
Chi-square
Value
df
3.44E-07
Probability
1
0.9995
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.486 + C(46)
-0.000418
0.712014
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
3.42E-06
df
Probability
1
0.9985
Value
Std. Err.
0.000279
0.150838
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.743 + C(151)
Restrictions are linear in coefficients.
355
ADJUNTO SOBRE COS TA RICA
356
COSTA RICA
ANEXO 1 RAICES UNITARIAS
PRODUCTO PERCAPITA REAL
Null Hypothesis: LYPC has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.064038
-4.205004
-3.526609
-3.194611
0.5494
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LYPC)
Method: Least Squares
Date: 12/31/13 Time: 10:55
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LYPC(-1)
D(LYPC(-1))
C
@TREND(1970)
-0.128363
0.512378
1.003879
0.002378
0.062190
0.144776
0.483695
0.001117
-2.064038
3.539096
2.075439
2.129336
0.0463
0.0011
0.0451
0.0401
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.289559
0.230356
0.029727
0.031814
85.97731
4.890926
0.005931
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.019388
0.033885
-4.098866
-3.929978
-4.037801
1.806293
PRODUCTO
Null Hypothesis: LY has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
2.651921
-2.622585
-1.949097
-1.611824
0.9975
357
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY)
Method: Least Squares
Date: 12/09/13 Time: 00:24
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LY(-1)
0.004747
0.001790
2.651921
0.0114
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
-0.007785
-0.007785
0.046111
0.085047
68.47499
2.245242
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.019512
0.045932
-3.291463
-3.249668
-3.276244
CONSUMO PRIVADO
Null Hypothesis: LCP has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
2.426057
-2.622585
-1.949097
-1.611824
0.9956
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LCP)
Method: Least Squares
Date: 12/09/13 Time: 00:25
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LCP(-1)
0.004356
0.001796
2.426057
0.0199
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
-0.005214
-0.005214
0.044288
0.078456
70.12878
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.017073
0.044173
-3.372135
-3.330341
-3.356916
358
Durbin-Watson stat
2.560336
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.733092
-4.198503
-3.523623
-3.192902
0.2294
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/09/13 Time: 00:26
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LI(-1)
C
@TREND(1970)
-0.327114
0.943634
0.006678
0.119686
0.337457
0.002606
-2.733092
2.796307
2.562255
0.0095
0.0081
0.0145
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.164349
0.120368
0.064681
0.158977
55.65110
3.736769
0.032997
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021951
0.068964
-2.568346
-2.442963
-2.522689
1.766368
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)
Phillips-Perron test statistic
Test critical values:
1% level
5% level
10% level
Adj. t-Stat
Prob.*
-1.957611
-3.600987
-2.935001
-2.605836
0.3037
359
*MacKinnon (1996) one-sided p-values.
Residual variance (no correction)
HAC corrected variance (Bartlett kernel)
0.001585
0.000970
Phillips-Perron Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/09/13 Time: 00:29
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
C
-0.100714
0.340603
0.052045
0.168568
-1.935134
2.020565
0.0602
0.0502
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.087607
0.064212
0.040819
0.064980
73.99205
3.744745
0.060249
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.014634
0.042196
-3.511807
-3.428218
-3.481369
2.502018
COMERCIO INTRARREGIONAL
Null Hypothesis: LR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.348783
-4.198503
-3.523623
-3.192902
0.3996
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LR)
Method: Least Squares
Date: 12/09/13 Time: 00:29
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
360
LR(-1)
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
-0.262579
0.596601
0.007708
0.127261
0.081327
0.084677
0.272465
44.60678
2.770540
0.075301
0.111793
0.242525
0.003397
-2.348783
2.459958
2.269293
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0241
0.0186
0.0290
0.034146
0.088345
-2.029599
-1.904216
-1.983941
2.165947
COMERCIO EXTRARREGIONAL
Null Hypothesis: LW has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.758898
-4.198503
-3.523623
-3.192902
0.2200
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LW)
Method: Least Squares
Date: 12/09/13 Time: 00:30
Sample (adjusted): 1971 2011
Included observations: 41 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LW(-1)
C
@TREND(1970)
-0.309917
0.882718
0.012285
0.112333
0.301461
0.004693
-2.758898
2.928128
2.617843
0.0089
0.0057
0.0126
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.171391
0.127780
0.066200
0.166530
54.69960
3.929989
0.028096
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.043902
0.070883
-2.521932
-2.396549
-2.476274
1.899973
POBLACION
361
Null Hypothesis: D(LPO) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-6.806189
-4.205004
-3.526609
-3.194611
0.0000
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPO,2)
Method: Least Squares
Date: 12/09/13 Time: 00:32
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(LPO(-1))
C
@TREND(1970)
-1.113156
0.009153
9.20E-05
0.163551
0.010414
0.000425
-6.806189
0.878886
0.216518
0.0000
0.3851
0.8298
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.556118
0.532124
0.030980
0.035511
83.77855
23.17774
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.000000
0.045291
-4.038927
-3.912262
-3.993129
2.026782
POBLACION TOTAL DE CENTROAMERICA EXCLUYE PANAMA
Null Hypothesis: LPOCA has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.190199
-3.621023
-2.943427
-2.610263
0.2130
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCA)
Method: Least Squares
Date: 12/5/13 Time: 05:22
362
Sample (adjusted): 1975 2011
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCA(-1)
D(LPOCA(-1))
D(LPOCA(-2))
D(LPOCA(-3))
D(LPOCA(-4))
C
-0.000578
3.068028
-3.887910
2.409163
-0.636617
0.010914
0.000264
0.146490
0.386473
0.389547
0.149937
0.004947
-2.190199
20.94356
-10.05998
6.184527
-4.245910
2.206042
0.0362
0.0000
0.0000
0.0000
0.0002
0.0349
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.999761
0.999722
5.06E-05
7.94E-08
316.7476
25935.74
0.000000
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.021240
0.003038
-16.79717
-16.53594
-16.70507
2.142626
DEFLACTOR DEL PIB
Null Hypothesis: LDP has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.276091
-3.610453
-2.938987
-2.607932
0.1845
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/5/13 Time: 05:25
Sample (adjusted): 1973 2011
Included observations: 39 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
D(LDP(-1))
D(LDP(-2))
C
-0.014013
0.875590
-0.412221
0.143326
0.006156
0.148975
0.140678
0.037833
-2.276091
5.877444
-2.930257
3.788344
0.0291
0.0000
0.0059
0.0006
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.610440
0.577049
0.070893
0.175904
49.98824
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
0.159705
0.109008
-2.358371
-2.187749
-2.297154
363
F-statistic
Prob(F-statistic)
18.28164
0.000000
Durbin-Watson stat
1.904824
ANEXO 2 TEST DE COINTEGRACION
Date: 12/31/13 Time: 11:02
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Trend assumption: Linear deterministic trend
Series: LYPC LCP LI LG LR LW LDP LPOCA
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5
At most 6
At most 7
0.858091
0.772443
0.670535
0.509192
0.407569
0.389368
0.090554
0.007693
254.9734
176.8706
117.6564
73.24501
44.77692
23.83611
4.105708
0.308907
159.5297
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0007
0.0260
0.0946
0.2075
0.8948
0.5783
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3
At most 4
At most 5
At most 6
At most 7
0.858091
0.772443
0.670535
0.509192
0.407569
0.389368
0.090554
0.007693
78.10289
59.21412
44.41142
28.46809
20.94081
19.73040
3.796800
0.308907
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
3.841466
0.0000
0.0013
0.0153
0.1927
0.2798
0.0776
0.8802
0.5783
Max-eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
364
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/31/13 Time: 11:07
Sample (adjusted): 1972 2011
Included observations: 40 after adjustments
Standard errors in ( ) & t-statistics in [ ]
LYPC
LCP
LI
LG
LR
LW
LPOCA
LDP
LYPC(-1)
1.302910 0.545862 0.556172 1.231303 0.124052 0.195320 0.000599 -2.154733
(0.27041) (0.31423) (0.52150) (0.43928) (1.94980) (1.08684) (0.00264) (0.44129)
[ 4.81831] [ 1.73715] [ 1.06649] [ 2.80299] [ 0.06362] [ 0.17971] [ 0.22686] [-4.88277]
LYPC(-2)
-0.787805 -0.016074 -0.270704 0.278029 3.032430 0.154743 -0.006329 0.722722
(0.33546) (0.38982) (0.64695) (0.54496) (2.41885) (1.34829) (0.00327) (0.54745)
[-2.34844] [-0.04123] [-0.41843] [ 0.51018] [ 1.25366] [ 0.11477] [-1.93268] [ 1.32015]
LCP(-1)
0.171610 -0.034759 0.415892 0.042791 0.483281 0.480072 -0.000144 -0.418022
(0.15117) (0.17567) (0.29154) (0.24557) (1.09001) (0.60758) (0.00148) (0.24670)
[ 1.13523] [-0.19787] [ 1.42656] [ 0.17425] [ 0.44337] [ 0.79014] [-0.09733] [-1.69447]
LCP(-2)
0.212079 -0.130249 0.167095 -0.411032 1.655266 1.520402 -0.000882 0.043448
(0.14895) (0.17309) (0.28726) (0.24197) (1.07401) (0.59866) (0.00145) (0.24308)
[ 1.42384] [-0.75251] [ 0.58170] [-1.69869] [ 1.54120] [ 2.53967] [-0.60670] [ 0.17874]
LI(-1)
-0.268140 -0.269655 -0.049653 -0.055802 -0.281005 -0.837559 0.000103 0.437870
(0.11038) (0.12827) (0.21288) (0.17932) (0.79593) (0.44366) (0.00108) (0.18014)
[-2.42916] [-2.10221] [-0.23324] [-0.31119] [-0.35305] [-1.88784] [ 0.09533] [ 2.43070]
LI(-2)
-0.038342 -0.262832 -0.352081 -0.208110 -1.025650 -0.465383 0.001301 0.195458
(0.13677) (0.15893) (0.26377) (0.22218) (0.98618) (0.54971) (0.00134) (0.22320)
[-0.28034] [-1.65373] [-1.33483] [-0.93666] [-1.04002] [-0.84660] [ 0.97418] [ 0.87571]
LG(-1)
0.035302 0.204970 -0.303471 1.167940 -1.069723 -1.163629 0.001668 -0.494670
(0.15625) (0.18157) (0.30134) (0.25383) (1.12667) (0.62801) (0.00153) (0.25500)
[ 0.22593] [ 1.12886] [-1.00708] [ 4.60122] [-0.94946] [-1.85287] [ 1.09379] [-1.93992]
LG(-2)
-0.105969 -0.444611 -0.031535 -0.567938 2.536971 0.757225 -0.002615 0.113736
(0.16455) (0.19122) (0.31735) (0.26732) (1.18651) (0.66137) (0.00161) (0.26854)
[-0.64399] [-2.32516] [-0.09937] [-2.12460] [ 2.13818] [ 1.14493] [-1.62797] [ 0.42353]
LR(-1)
0.012617 -0.024615 -0.027412 0.037566 0.157962 0.221656 -0.000185 -0.009329
(0.03013) (0.03501) (0.05811) (0.04895) (0.21725) (0.12110) (0.00029) (0.04917)
[ 0.41874] [-0.70303] [-0.47176] [ 0.76749] [ 0.72709] [ 1.83038] [-0.62751] [-0.18973]
LR(-2)
0.006130 -0.012365 -0.042479 0.006205 -0.066784 -0.031111 -0.000522 -0.057183
(0.02907) (0.03378) (0.05607) (0.04723) (0.20963) (0.11685) (0.00028) (0.04744)
[ 0.21084] [-0.36601] [-0.75763] [ 0.13139] [-0.31858] [-0.26625] [-1.83838] [-1.20526]
LW(-1)
-0.039081 -0.069096 -0.143236 -0.101305 0.025733 0.024140 0.000195 0.242505
(0.06236) (0.07246) (0.12026) (0.10130) (0.44963) (0.25063) (0.00061) (0.10176)
[-0.62673] [-0.95355] [-1.19107] [-1.00006] [ 0.05723] [ 0.09632] [ 0.31988] [ 2.38303]
LW(-2)
0.162576 -0.055264
(0.05812) (0.06754)
0.198074 -0.228306
(0.11210) (0.09442)
0.822547
(0.41911)
0.160625
(0.23362)
0.000774 -0.101562
(0.00057) (0.09486)
365
[ 2.79703] [-0.81820] [ 1.76700] [-2.41788] [ 1.96259] [ 0.68756] [ 1.36410] [-1.07069]
LPOCA(-1)
19.78805 16.97001 34.41519 -16.49653 28.36978 -33.31816 1.988599 28.64183
(12.5281) (14.5584) (24.1611) (20.3521) (90.3352) (50.3536) (0.12229) (20.4453)
[ 1.57949] [ 1.16565] [ 1.42440] [-0.81056] [ 0.31405] [-0.66168] [ 16.2609] [ 1.40090]
LPOCA(-2)
-17.52791 -17.47726 -30.29855 13.69707 -34.41706 39.69432 -0.969074 -24.33612
(11.8854) (13.8114) (22.9215) (19.3079) (85.7004) (47.7701) (0.11602) (19.3963)
[-1.47475] [-1.26542] [-1.32184] [ 0.70940] [-0.40160] [ 0.83094] [-8.35274] [-1.25468]
LDP(-1)
-0.162700 0.353262 -0.285442 0.460979 0.026655 -0.629382 -0.001276 0.748241
(0.15637) (0.18171) (0.30157) (0.25403) (1.12754) (0.62850) (0.00153) (0.25519)
[-1.04046] [ 1.94406] [-0.94651] [ 1.81466] [ 0.02364] [-1.00140] [-0.83619] [ 2.93205]
LDP(-2)
-0.060801 -0.321900 -0.257886 -0.247743 0.315662 -0.215519 -0.000798 -0.140937
(0.13569) (0.15768) (0.26168) (0.22043) (0.97838) (0.54536) (0.00132) (0.22143)
[-0.44810] [-2.04153] [-0.98550] [-1.12393] [ 0.32264] [-0.39519] [-0.60227] [-0.63647]
C
-35.16528 11.51079 -68.56864 39.54636 64.89548 -108.0600 -0.277972 -60.39100
(19.3775) (22.5177) (37.3706) (31.4791) (139.723) (77.8830) (0.18915) (31.6232)
[-1.81474] [ 0.51119] [-1.83483] [ 1.25627] [ 0.46446] [-1.38747] [-1.46956] [-1.90970]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.990824 0.816024 0.855298 0.908790 0.846844 0.877107 0.999999 0.999712
0.984440 0.688041 0.754635 0.845340 0.740301 0.791617 0.999999 0.999511
0.016740 0.022605 0.062261 0.044178 0.870355 0.270423 1.60E-06 0.044583
0.026978 0.031350 0.052029 0.043827 0.194529 0.108432 0.000263 0.044027
155.2130 6.376017 8.496693 14.32290 7.948352 10.25970 2217887. 4986.105
98.81912 92.81159 72.54839 79.41081 19.79714 43.17541 283.9916 79.22807
-4.090956 -3.790580 -2.777419 -3.120541 -0.139857 -1.308770 -13.34958 -3.111403
-3.373182 -3.072806 -2.059646 -2.402767 0.577917 -0.590997 -12.63180 -2.393630
8.166220 4.230128 3.007227 2.659777 1.877630 3.955365 17.10177 4.249983
0.216276 0.056129 0.105036 0.111442 0.381723 0.237534 0.251204 1.991554
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.13E-26
1.35E-28
829.3234
-34.66617
-28.92398
366
COMPORTAMIENTO DE LOS ERRORES
LYPC Residuals
LCP Residuals
.04
LI Residuals
.06
.10
.04
.02
.05
.02
.00
.00
.00
-.02
-.02
-.05
-.04
-.04
-.06
-.06
75
80
85
90
95
00
05
10
-.10
75
80
LG Residuals
85
90
95
00
05
10
75
80
LR Residuals
.08
85
90
95
00
05
10
00
05
10
LW Residuals
.4
.3
.2
.2
.02
.0
.1
.00
-.2
.0
-.4
-.1
.06
.04
-.02
-.04
-.06
-.6
75
80
85
90
95
00
05
10
-.2
75
80
LPOCA Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0006
.08
.0004
.04
.0002
.0000
.00
-.0002
-.04
-.0004
-.0006
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
TEST DE AUTOCORRELACION
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/31/13 Time: 11:09
Sample: 1970 2011
Included observations: 40
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
93.23008
69.01028
58.18700
62.14162
75.87208
52.29637
55.82300
0.0100
0.3119
0.6811
0.5425
0.1471
0.8521
0.7569
367
8
9
10
11
12
71.30012
81.02072
60.74680
50.78518
63.27673
0.2480
0.0740
0.5923
0.8849
0.5021
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/31/13 Time: 11:09
Sample: 1970 2011
Included observations: 40
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.089181
0.090859
0.027464
-0.150874
-0.548202
-0.061960
0.060646
0.097416
0.053022
0.055035
0.005028
0.151753
2.003503
0.025593
0.024520
0.063266
1
1
1
1
1
1
1
1
0.8179
0.8145
0.9435
0.6969
0.1569
0.8729
0.8756
0.8014
2.381721
8
0.9670
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
0.795603
0.803223
0.853999
0.856321
2.319070
0.838529
0.871113
1.011914
8.098942
8.043050
7.675535
7.658930
0.772777
7.786595
7.553599
6.587479
1
1
1
1
1
1
1
1
0.0044
0.0046
0.0056
0.0056
0.3794
0.0053
0.0060
0.0103
54.17691
8
0.0000
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
8.151964
8.098086
7.680564
7.810683
2
2
2
2
0.0170
0.0174
0.0215
0.0201
368
5
6
7
8
2.776280
7.812189
7.578119
6.650746
2
2
2
2
0.2495
0.0201
0.0226
0.0360
Joint
56.55863
16
0.0000
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/31/13 Time: 11:10
Sample: 1970 2011
Included observations: 40
Joint test:
Chi-sq
df
Prob.
1135.287
1116
0.3372
Individual components:
Dependent
R-squared
F(31,8)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
res4*res1
res4*res2
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
0.879612
0.891598
0.733459
0.830087
0.702769
0.900157
0.790784
0.769647
0.886377
0.790487
0.778118
0.890428
0.882583
0.854164
0.757404
0.921153
0.739658
0.770305
0.878729
0.919309
0.907215
0.893471
0.883931
0.821410
0.687696
0.886137
1.885546
2.122567
0.710132
1.260743
0.610165
2.326629
0.975419
0.862233
2.013174
0.973668
0.905005
2.097140
1.939777
1.511492
0.805697
3.014901
0.733186
0.865446
1.869933
2.940116
2.523255
2.164414
1.965311
1.186948
0.568259
2.008393
0.1755
0.1330
0.7679
0.3874
0.8459
0.1060
0.5616
0.6462
0.1509
0.5629
0.6134
0.1370
0.1645
0.2795
0.6909
0.0529
0.7493
0.6437
0.1789
0.0567
0.0859
0.1269
0.1596
0.4268
0.8762
0.1518
35.18449
35.66393
29.33834
33.20350
28.11077
36.00627
31.63136
30.78586
35.45509
31.61946
31.12471
35.61712
35.30331
34.16657
30.29615
36.84611
29.58630
30.81221
35.14916
36.77236
36.28860
35.73883
35.35725
32.85641
27.50782
35.44550
0.2765
0.2582
0.5516
0.3603
0.6154
0.2457
0.4347
0.4770
0.2661
0.4353
0.4599
0.2600
0.2719
0.3180
0.5020
0.2166
0.5387
0.4757
0.2779
0.2190
0.2356
0.2555
0.2699
0.3762
0.6464
0.2665
369
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.821627
0.805875
0.868754
0.893438
0.899637
0.792913
0.851927
0.840610
0.878721
0.740966
1.188701
1.071305
1.708197
2.163676
2.313252
0.988101
1.484757
1.361010
1.869787
0.738193
0.4258
0.4965
0.2180
0.1270
0.1075
0.5526
0.2893
0.3397
0.1789
0.7453
32.86506
32.23498
34.75015
35.73754
35.98549
31.71652
34.07709
33.62439
35.14882
29.63864
0.3758
0.4054
0.2938
0.2555
0.2464
0.4306
0.3218
0.3414
0.2779
0.5360
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LYPC LCP LI LG LR LW LPOCA LDP
Exogenous variables: C
Date: 12/31/13 Time: 11:11
Sample: 1970 2011
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
3
308.5504
698.1983
809.6292
962.6058
NA
599.4583
125.7170
109.8293*
2.80e-17
1.67e-24
2.26e-25
9.59e-27*
-15.41284
-32.11273
-34.54509
-39.10799*
-15.07160
-29.04154
-28.74395
-30.57690*
-15.29040
-31.01081
-32.46369
-36.04711*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
ANEXO 4 VECM ESTIMADO
Vector Error Correction Estimates
Date: 12/31/13 Time: 11:14
Sample (adjusted): 1973 2011
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
LYPC(-1)
1.000000
0.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
0.000000
370
LG(-1)
0.000000
0.000000
0.000000
1.000000
LR(-1)
-0.017438 0.027603 -0.128092 -0.114810
(0.02341) (0.03020) (0.04033) (0.04696)
[-0.74495] [ 0.91400] [-3.17609] [-2.44479]
LW(-1)
-0.334396 -0.132142 0.074791 0.539281
(0.04240) (0.05470) (0.07305) (0.08506)
[-7.88681] [-2.41571] [ 1.02384] [ 6.33996]
LPOCA(-1)
-2.773941 0.834543 -2.330446 -3.318073
(0.12127) (0.15645) (0.20893) (0.24328)
[-22.8748] [ 5.33423] [-11.1543] [-13.6388]
LDP(-1)
0.158882 -0.160929 0.183963 0.466347
(0.01667) (0.02150) (0.02871) (0.03343)
[ 9.53334] [-7.48461] [ 6.40686] [ 13.9480]
C
Error Correction:
39.94619 -17.35157
D(LYPC)
D(LCP)
35.99952
50.19182
D(LI)
D(LG)
D(LR)
D(LW)
D(LPOCA)
D(LDP)
CointEq1
0.021072 1.637185 1.318351 0.207722 0.045282 0.512486 0.003695 -1.362419
(0.41631) (0.49024) (1.02036) (0.65805) (3.87432) (1.81253) (0.00106) (0.71361)
[ 0.05062] [ 3.33958] [ 1.29205] [ 0.31566] [ 0.01169] [ 0.28275] [ 3.47833] [-1.90919]
CointEq2
0.907866 -1.229327 -0.594938 -0.856653 2.232809 3.274467 0.000558 -0.852212
(0.38140) (0.44913) (0.93479) (0.60286) (3.54941) (1.66053) (0.00097) (0.65377)
[ 2.38036] [-2.73716] [-0.63644] [-1.42098] [ 0.62906] [ 1.97194] [ 0.57346] [-1.30354]
CointEq3
-0.683343 -1.138154 -0.787852 0.704349 2.654146 -2.422791 0.000416 0.487869
(0.34316) (0.40410) (0.84107) (0.54242) (3.19356) (1.49405) (0.00088) (0.58822)
[-1.99132] [-2.81653] [-0.93672] [ 1.29853] [ 0.83109] [-1.62162] [ 0.47555] [ 0.82939]
CointEq4
0.020082 -0.055180 -0.026634 -0.271064 4.232545 -0.074763 0.000482 -1.063743
(0.28604) (0.33683) (0.70107) (0.45213) (2.66198) (1.24536) (0.00073) (0.49031)
[ 0.07021] [-0.16382] [-0.03799] [-0.59952] [ 1.59000] [-0.06003] [ 0.66042] [-2.16953]
D(LYPC(-1))
0.418931 -0.758960 -0.177999 1.072598 2.350719 -0.551408 -0.001889 -1.220401
(0.40892) (0.48153) (1.00224) (0.64636) (3.80552) (1.78035) (0.00104) (0.70094)
[ 1.02449] [-1.57614] [-0.17760] [ 1.65944] [ 0.61771] [-0.30972] [-1.81054] [-1.74109]
D(LYPC(-2))
-0.179721 -0.039837 -0.488208 0.465018 -0.055650 1.368207 -0.001483 0.217891
(0.31774) (0.37416) (0.77877) (0.50224) (2.95700) (1.38338) (0.00081) (0.54465)
[-0.56562] [-0.10647] [-0.62690] [ 0.92588] [-0.01882] [ 0.98903] [-1.82978] [ 0.40006]
D(LCP(-1))
-0.667690 0.134598 0.774883 0.942404 -0.000324 -2.521348 -0.000720 0.164354
(0.26337) (0.31014) (0.64551) (0.41630) (2.45099) (1.14665) (0.00067) (0.45145)
[-2.53519] [ 0.43400] [ 1.20043] [ 2.26378] [-0.00013] [-2.19887] [-1.07135] [ 0.36406]
D(LCP(-2))
-0.499612 0.000515 0.683610 0.329370 1.339132 -0.811571 -0.000391 0.313229
(0.18727) (0.22053) (0.45900) (0.29602) (1.74282) (0.81535) (0.00048) (0.32101)
[-2.66782] [ 0.00234] [ 1.48935] [ 1.11268] [ 0.76837] [-0.99537] [-0.81909] [ 0.97576]
D(LI(-1))
0.437576
(0.31076)
0.848911
(0.36594)
0.013547 -0.778272 -2.076000
(0.76165) (0.49120) (2.89199)
1.609941 -0.000302
(1.35297) (0.00079)
0.055539
(0.53268)
371
[ 1.40810] [ 2.31982] [ 0.01779] [-1.58443] [-0.71784] [ 1.18993] [-0.38104] [ 0.10426]
D(LI(-2))
0.225667 0.307558 -0.053282 -0.600604 -1.474159 0.412178 1.90E-05 0.050769
(0.16211) (0.19089) (0.39732) (0.25624) (1.50862) (0.70578) (0.00041) (0.27787)
[ 1.39208] [ 1.61115] [-0.13410] [-2.34394] [-0.97716] [ 0.58400] [ 0.04601] [ 0.18271]
D(LG(-1))
0.125459 0.242963 -0.525417 0.515648 -2.944739 -0.622066 -0.000317 0.081727
(0.18855) (0.22203) (0.46213) (0.29803) (1.75470) (0.82091) (0.00048) (0.32320)
[ 0.66539] [ 1.09427] [-1.13695] [ 1.73017] [-1.67820] [-0.75778] [-0.65925] [ 0.25287]
D(LG(-2))
-0.147261 -0.031054 0.060048 0.100915 -2.165363 -0.180060 3.88E-05 0.663282
(0.27260) (0.32101) (0.66814) (0.43089) (2.53693) (1.18686) (0.00070) (0.46728)
[-0.54020] [-0.09674] [ 0.08987] [ 0.23420] [-0.85354] [-0.15171] [ 0.05577] [ 1.41946]
D(LR(-1))
-0.089133 -0.073592 0.014022 0.155995 0.005206 -0.161078 0.000192 -0.036120
(0.03943) (0.04643) (0.09664) (0.06233) (0.36695) (0.17167) (0.00010) (0.06759)
[-2.26054] [-1.58496] [ 0.14509] [ 2.50290] [ 0.01419] [-0.93830] [ 1.90817] [-0.53442]
D(LR(-2))
-0.039067 -0.043335 -0.007613 0.155274 -0.176007 -0.086992 8.39E-05 -0.087740
(0.02703) (0.03183) (0.06625) (0.04272) (0.25154) (0.11768) (6.9E-05) (0.04633)
[-1.44535] [-1.36150] [-0.11491] [ 3.63436] [-0.69971] [-0.73923] [ 1.21721] [-1.89374]
D(LW(-1))
0.012282 0.307118 0.231791 0.042452 -1.639297 -0.342217 0.000802 0.213589
(0.12505) (0.14726) (0.30650) (0.19766) (1.16377) (0.54445) (0.00032) (0.21436)
[ 0.09822] [ 2.08558] [ 0.75626] [ 0.21477] [-1.40861] [-0.62856] [ 2.51214] [ 0.99643]
D(LW(-2))
0.018797 0.136536 0.423709 0.010699 -0.410831 -0.337220 0.000477 0.136455
(0.09727) (0.11455) (0.23841) (0.15376) (0.90525) (0.42351) (0.00025) (0.16674)
[ 0.19324] [ 1.19198] [ 1.77722] [ 0.06959] [-0.45383] [-0.79626] [ 1.92361] [ 0.81838]
D(LPOCA(-1))
31.80442 51.19450 84.71456 -28.45677 -111.2196 -84.71576 1.767722 38.98907
(22.1810) (26.1198) (54.3647) (35.0607) (206.423) (96.5718) (0.05659) (38.0212)
[ 1.43386] [ 1.95999] [ 1.55826] [-0.81164] [-0.53879] [-0.87723] [ 31.2358] [ 1.02546]
D(LPOCA(-2))
-29.75585 -44.93977 -96.44291 -11.57051 84.25721 56.90149 -1.078886 14.32728
(22.5127) (26.5103) (55.1775) (35.5849) (209.510) (98.0156) (0.05744) (38.5897)
[-1.32174] [-1.69518] [-1.74787] [-0.32515] [ 0.40216] [ 0.58054] [-18.7832] [ 0.37127]
D(LDP(-1))
0.316837 0.499930 -0.452950 -0.222023 -0.300249 1.307003 2.52E-05 0.114298
(0.21182) (0.24943) (0.51916) (0.33482) (1.97126) (0.92222) (0.00054) (0.36309)
[ 1.49578] [ 2.00426] [-0.87246] [-0.66312] [-0.15231] [ 1.41723] [ 0.04657] [ 0.31479]
D(LDP(-2))
0.093306 0.011531 0.031128 0.101911 -3.143077 -0.346939 0.000727 0.112778
(0.20482) (0.24119) (0.50199) (0.32374) (1.90608) (0.89173) (0.00052) (0.35108)
[ 0.45556] [ 0.04781] [ 0.06201] [ 0.31479] [-1.64897] [-0.38906] [ 1.39128] [ 0.32123]
C
-0.094225 -0.199057 0.357767 0.874396 1.101792 0.429276 0.006737 -1.030042
(0.27777) (0.32709) (0.68080) (0.43906) (2.58500) (1.20935) (0.00071) (0.47613)
[-0.33922] [-0.60856] [ 0.52551] [ 1.99153] [ 0.42623] [ 0.35496] [ 9.50596] [-2.16335]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
0.713983 0.816670 0.651119 0.803299 0.492572 0.694017 0.999793 0.919129
0.396185 0.612971 0.263473 0.584742 -0.071238 0.354036 0.999564 0.829272
0.012428 0.017234 0.074658 0.031052 1.076372 0.235583 8.09E-08 0.036517
0.026277 0.030943 0.064403 0.041534 0.244537 0.114403 6.70E-05 0.045041
2.246661 4.009190 1.679673 3.675473 0.873649 2.041339 4352.068 10.22879
101.6627 95.28790 66.70008 83.80682 14.66572 44.29181 334.5361 80.64533
-4.136549 -3.809636 -2.343594 -3.220862 0.324835 -1.194452 -16.07877 -3.058735
372
Schwarz SC
Mean dependent
S.D. dependent
-3.240785 -2.913872 -1.447830 -2.325098 1.220599 -0.298688 -15.18301 -2.162971
0.018465 -0.001704 -0.002715 0.006005 -0.016580 0.008514 0.021526 0.159705
0.033816 0.049738 0.075043 0.064454 0.236266 0.142342 0.003209 0.109008
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.25E-28
2.58E-31
930.7474
-37.47422
-28.94314
System: UNTITLED
Estimation Method: Least Squares
Date: 12/31/13 Time: 11:19
Sample: 1973 2011
Included observations: 39
Total system (balanced) observations 312
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
C(17)
C(18)
C(19)
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
Coefficient
Std. Error
t-Statistic
Prob.
0.021072
0.907866
-0.683343
0.020082
0.418931
-0.179721
-0.667690
-0.499612
0.437576
0.225667
0.125459
-0.147261
-0.089133
-0.039067
0.012282
0.018797
31.80442
-29.75585
0.316837
0.093306
-0.094225
1.637185
-1.229327
-1.138154
-0.055180
-0.758960
-0.039837
0.134598
0.000515
0.848911
0.307558
0.242963
-0.031054
-0.073592
-0.043335
0.416311
0.381399
0.343161
0.286040
0.408918
0.317741
0.263369
0.187273
0.310756
0.162108
0.188550
0.272604
0.039430
0.027029
0.125052
0.097273
22.18104
22.51266
0.211820
0.204816
0.277769
0.490237
0.449125
0.404097
0.336834
0.481531
0.374164
0.310136
0.220528
0.365938
0.190894
0.222031
0.321011
0.046432
0.031829
0.050617
2.380359
-1.991319
0.070208
1.024486
-0.565620
-2.535188
-2.667824
1.408100
1.392081
0.665390
-0.540201
-2.260537
-1.445351
0.098216
0.193242
1.433856
-1.321739
1.495782
0.455558
-0.339220
3.339577
-2.737159
-2.816534
-0.163819
-1.576138
-0.106469
0.433996
0.002337
2.319822
1.611148
1.094274
-0.096737
-1.584957
-1.361499
0.9597
0.0186
0.0483
0.9441
0.3073
0.5725
0.0123
0.0085
0.1613
0.1660
0.5069
0.5899
0.0253
0.1505
0.9219
0.8470
0.1538
0.1884
0.1369
0.6494
0.7349
0.0011
0.0070
0.0055
0.8701
0.1172
0.9154
0.6649
0.9981
0.0218
0.1093
0.2757
0.9231
0.1152
0.1755
373
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
C(74)
C(75)
C(76)
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(85)
C(86)
C(87)
C(88)
C(89)
C(90)
C(91)
C(92)
0.307118
0.136536
51.19450
-44.93977
0.499930
0.011531
-0.199057
1.318351
-0.594938
-0.787852
-0.026634
-0.177999
-0.488208
0.774883
0.683610
0.013547
-0.053282
-0.525417
0.060048
0.014022
-0.007613
0.231791
0.423709
84.71456
-96.44291
-0.452950
0.031128
0.357767
0.207722
-0.856653
0.704349
-0.271064
1.072598
0.465018
0.942404
0.329370
-0.778272
-0.600604
0.515648
0.100915
0.155995
0.155274
0.042452
0.010699
-28.45677
-11.57051
-0.222023
0.101911
0.874396
0.045282
2.232809
2.654146
4.232545
2.350719
-0.055650
-0.000324
1.339132
0.147258
0.114546
26.11981
26.51032
0.249434
0.241186
0.327093
1.020360
0.934791
0.841072
0.701072
1.002240
0.778770
0.645505
0.458998
0.761649
0.397319
0.462127
0.668139
0.096641
0.066247
0.306496
0.238411
54.36471
55.17750
0.519161
0.501995
0.680798
0.658047
0.602862
0.542421
0.452133
0.646361
0.502242
0.416297
0.296015
0.491200
0.256237
0.298033
0.430894
0.062326
0.042724
0.197664
0.153755
35.06070
35.58488
0.334816
0.323745
0.439058
3.874317
3.549413
3.193559
2.661978
3.805515
2.956998
2.450990
1.742819
2.085581
1.191976
1.959987
-1.695180
2.004260
0.047808
-0.608563
1.292045
-0.636439
-0.936724
-0.037991
-0.177601
-0.626896
1.200429
1.489353
0.017787
-0.134103
-1.136955
0.089874
0.145090
-0.114913
0.756261
1.777222
1.558264
-1.747867
-0.872465
0.062009
0.525512
0.315665
-1.420977
1.298528
-0.599522
1.659441
0.925885
2.263778
1.112680
-1.584429
-2.343937
1.730170
0.234199
2.502904
3.634363
0.214770
0.069586
-0.811643
-0.325152
-0.663120
0.314787
1.991527
0.011688
0.629064
0.831093
1.590000
0.617714
-0.018820
-0.000132
0.768371
0.0388
0.2352
0.0519
0.0922
0.0469
0.9619
0.5438
0.1984
0.5255
0.3505
0.9697
0.8593
0.5317
0.2319
0.1386
0.9858
0.8935
0.2574
0.9285
0.8848
0.9087
0.4507
0.0776
0.1214
0.0826
0.3844
0.9506
0.6000
0.7527
0.1575
0.1962
0.5498
0.0992
0.3561
0.0251
0.2677
0.1153
0.0204
0.0857
0.8152
0.0134
0.0004
0.8303
0.9446
0.4183
0.7455
0.5083
0.7534
0.0483
0.9907
0.5303
0.4073
0.1140
0.5377
0.9850
0.9999
0.4435
374
C(93)
C(94)
C(95)
C(96)
C(97)
C(98)
C(99)
C(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
C(131)
C(132)
C(133)
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
C(141)
C(142)
C(143)
C(144)
C(145)
C(146)
C(147)
C(148)
C(149)
-2.076000
-1.474159
-2.944739
-2.165363
0.005206
-0.176007
-1.639297
-0.410831
-111.2196
84.25721
-0.300249
-3.143077
1.101792
0.512486
3.274467
-2.422791
-0.074763
-0.551408
1.368207
-2.521348
-0.811571
1.609941
0.412178
-0.622066
-0.180060
-0.161078
-0.086992
-0.342217
-0.337220
-84.71576
56.90149
1.307003
-0.346939
0.429276
0.003695
0.000558
0.000416
0.000482
-0.001889
-0.001483
-0.000720
-0.000391
-0.000302
1.90E-05
-0.000317
3.88E-05
0.000192
8.39E-05
0.000802
0.000477
1.767722
-1.078886
2.52E-05
0.000727
0.006737
-1.362419
-0.852212
2.891989
1.508623
1.754700
2.536933
0.366948
0.251541
1.163769
0.905249
206.4234
209.5096
1.971261
1.906081
2.584997
1.812535
1.660534
1.494054
1.245362
1.780347
1.383382
1.146655
0.815349
1.352969
0.705784
0.820907
1.186862
0.171671
0.117679
0.544450
0.423506
96.57176
98.01556
0.922222
0.891728
1.209348
0.001062
0.000973
0.000876
0.000730
0.001043
0.000811
0.000672
0.000478
0.000793
0.000414
0.000481
0.000696
0.000101
6.90E-05
0.000319
0.000248
0.056593
0.057439
0.000540
0.000523
0.000709
0.713612
0.653768
-0.717845
-0.977155
-1.678200
-0.853536
0.014187
-0.699714
-1.408611
-0.453832
-0.538793
0.402164
-0.152313
-1.648974
0.426226
0.282745
1.971937
-1.621622
-0.060033
-0.309719
0.989030
-2.198873
-0.995366
1.189932
0.583999
-0.757778
-0.151711
-0.938298
-0.739228
-0.628556
-0.796258
-0.877231
0.580535
1.417233
-0.389064
0.354964
3.478326
0.573463
0.475550
0.660422
-1.810538
-1.829780
-1.071346
-0.819089
-0.381043
0.046009
-0.659255
0.055769
1.908173
1.217209
2.512136
1.923610
31.23585
-18.78322
0.046568
1.391276
9.505963
-1.909186
-1.303539
0.4740
0.3301
0.0955
0.3948
0.9887
0.4852
0.1611
0.6506
0.5909
0.6882
0.8792
0.1013
0.6706
0.7778
0.0505
0.1071
0.9522
0.7572
0.3243
0.0295
0.3212
0.2360
0.5601
0.4498
0.8796
0.3497
0.4610
0.5306
0.4272
0.3818
0.5625
0.1586
0.6978
0.7231
0.0007
0.5672
0.6351
0.5100
0.0723
0.0694
0.2858
0.4141
0.7037
0.9634
0.5108
0.9556
0.0584
0.2255
0.0131
0.0564
0.0000
0.0000
0.9629
0.1663
0.0000
0.0582
0.1945
375
C(150)
C(151)
C(152)
C(153)
C(154)
C(155)
C(156)
C(157)
C(158)
C(159)
C(160)
C(161)
C(162)
C(163)
C(164)
C(165)
C(166)
C(167)
C(168)
0.487869
-1.063743
-1.220401
0.217891
0.164354
0.313229
0.055539
0.050769
0.081727
0.663282
-0.036120
-0.087740
0.213589
0.136455
38.98907
14.32728
0.114298
0.112778
-1.030042
Determinant residual covariance
0.588223
0.490311
0.700940
0.544651
0.451449
0.321011
0.532677
0.277874
0.323199
0.467279
0.067588
0.046331
0.214355
0.166738
38.02123
38.58967
0.363088
0.351082
0.476132
0.829394
-2.169528
-1.741093
0.400057
0.364060
0.975758
0.104263
0.182706
0.252869
1.419457
-0.534416
-1.893742
0.996426
0.818380
1.025455
0.371272
0.314793
0.321229
-2.163354
0.4083
0.0317
0.0838
0.6897
0.7163
0.3308
0.9171
0.8553
0.8007
0.1579
0.5939
0.0603
0.3207
0.4145
0.3069
0.7110
0.7534
0.7485
0.0322
2.58E-31
Equation: D(LYPC) = C(1)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(2)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(3)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(4)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(5)
*D(LYPC(-1)) + C(6)*D(LYPC(-2)) + C(7)*D(LCP(-1)) + C(8)*D(LCP(-2))
+ C(9)*D(LI(-1)) + C(10)*D(LI(-2)) + C(11)*D(LG(-1)) + C(12)*D(LG(-2))
+ C(13)*D(LR(-1)) + C(14)*D(LR(-2)) + C(15)*D(LW(-1)) + C(16)*D(LW(
-2)) + C(17)*D(LPOCA(-1)) + C(18)*D(LPOCA(-2)) + C(19)*D(LDP(-1)) +
C(20)*D(LDP(-2)) + C(21)
Observations: 39
R-squared
0.713983 Mean dependent var
0.018465
Adjusted R-squared
0.396185 S.D. dependent var
0.033816
S.E. of regression
0.026277 Sum squared resid
0.012428
Durbin-Watson stat
2.081257
Equation: D(LCP) = C(22)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(23)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(24)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(25)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(26)
*D(LYPC(-1)) + C(27)*D(LYPC(-2)) + C(28)*D(LCP(-1)) + C(29)*D(LCP(
-2)) + C(30)*D(LI(-1)) + C(31)*D(LI(-2)) + C(32)*D(LG(-1)) + C(33)
*D(LG(-2)) + C(34)*D(LR(-1)) + C(35)*D(LR(-2)) + C(36)*D(LW(-1)) +
376
C(37)*D(LW(-2)) + C(38)*D(LPOCA(-1)) + C(39)*D(LPOCA(-2)) + C(40)
*D(LDP(-1)) + C(41)*D(LDP(-2)) + C(42)
Observations: 39
R-squared
0.816670 Mean dependent var
-0.001704
Adjusted R-squared
0.612971 S.D. dependent var
0.049738
S.E. of regression
0.030943 Sum squared resid
0.017234
Durbin-Watson stat
1.984160
Equation: D(LI) = C(43)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(44)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(45)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(46)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(47)
*D(LYPC(-1)) + C(48)*D(LYPC(-2)) + C(49)*D(LCP(-1)) + C(50)*D(LCP(
-2)) + C(51)*D(LI(-1)) + C(52)*D(LI(-2)) + C(53)*D(LG(-1)) + C(54)
*D(LG(-2)) + C(55)*D(LR(-1)) + C(56)*D(LR(-2)) + C(57)*D(LW(-1)) +
C(58)*D(LW(-2)) + C(59)*D(LPOCA(-1)) + C(60)*D(LPOCA(-2)) + C(61)
*D(LDP(-1)) + C(62)*D(LDP(-2)) + C(63)
Observations: 39
R-squared
0.651119 Mean dependent var
-0.002715
Adjusted R-squared
0.263473 S.D. dependent var
0.075043
S.E. of regression
0.064403 Sum squared resid
0.074658
Durbin-Watson stat
2.240945
Equation: D(LG) = C(64)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(65)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(66)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(67)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(68)
*D(LYPC(-1)) + C(69)*D(LYPC(-2)) + C(70)*D(LCP(-1)) + C(71)*D(LCP(
-2)) + C(72)*D(LI(-1)) + C(73)*D(LI(-2)) + C(74)*D(LG(-1)) + C(75)
*D(LG(-2)) + C(76)*D(LR(-1)) + C(77)*D(LR(-2)) + C(78)*D(LW(-1)) +
C(79)*D(LW(-2)) + C(80)*D(LPOCA(-1)) + C(81)*D(LPOCA(-2)) + C(82)
*D(LDP(-1)) + C(83)*D(LDP(-2)) + C(84)
Observations: 39
R-squared
0.803299 Mean dependent var
0.006005
Adjusted R-squared
0.584742 S.D. dependent var
0.064454
S.E. of regression
0.041534 Sum squared resid
0.031052
Durbin-Watson stat
2.252053
Equation: D(LR) = C(85)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(86)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(87)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
377
0.18396335288*LDP(-1) + 35.9995165363 ) + C(88)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(89)
*D(LYPC(-1)) + C(90)*D(LYPC(-2)) + C(91)*D(LCP(-1)) + C(92)*D(LCP(
-2)) + C(93)*D(LI(-1)) + C(94)*D(LI(-2)) + C(95)*D(LG(-1)) + C(96)
*D(LG(-2)) + C(97)*D(LR(-1)) + C(98)*D(LR(-2)) + C(99)*D(LW(-1)) +
C(100)*D(LW(-2)) + C(101)*D(LPOCA(-1)) + C(102)*D(LPOCA(-2)) +
C(103)*D(LDP(-1)) + C(104)*D(LDP(-2)) + C(105)
Observations: 39
R-squared
0.492572 Mean dependent var
-0.016580
Adjusted R-squared
-0.071238 S.D. dependent var
0.236266
S.E. of regression
0.244537 Sum squared resid
1.076372
Durbin-Watson stat
2.210820
Equation: D(LW) = C(106)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(107)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(108)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(109)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(110)
*D(LYPC(-1)) + C(111)*D(LYPC(-2)) + C(112)*D(LCP(-1)) + C(113)
*D(LCP(-2)) + C(114)*D(LI(-1)) + C(115)*D(LI(-2)) + C(116)*D(LG(-1)) +
C(117)*D(LG(-2)) + C(118)*D(LR(-1)) + C(119)*D(LR(-2)) + C(120)
*D(LW(-1)) + C(121)*D(LW(-2)) + C(122)*D(LPOCA(-1)) + C(123)
*D(LPOCA(-2)) + C(124)*D(LDP(-1)) + C(125)*D(LDP(-2)) + C(126)
Observations: 39
R-squared
0.694017 Mean dependent var
0.008514
Adjusted R-squared
0.354036 S.D. dependent var
0.142342
S.E. of regression
0.114403 Sum squared resid
0.235583
Durbin-Watson stat
2.167565
Equation: D(LPOCA) = C(127)*( LYPC(-1) - 0.0174379428608*LR(-1) 0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(128)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(129)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(130)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(131)
*D(LYPC(-1)) + C(132)*D(LYPC(-2)) + C(133)*D(LCP(-1)) + C(134)
*D(LCP(-2)) + C(135)*D(LI(-1)) + C(136)*D(LI(-2)) + C(137)*D(LG(-1)) +
C(138)*D(LG(-2)) + C(139)*D(LR(-1)) + C(140)*D(LR(-2)) + C(141)
*D(LW(-1)) + C(142)*D(LW(-2)) + C(143)*D(LPOCA(-1)) + C(144)
*D(LPOCA(-2)) + C(145)*D(LDP(-1)) + C(146)*D(LDP(-2)) + C(147)
Observations: 39
R-squared
0.999793 Mean dependent var
0.021526
Adjusted R-squared
0.999564 S.D. dependent var
0.003209
S.E. of regression
6.70E-05 Sum squared resid
8.09E-08
Durbin-Watson stat
1.393876
Equation: D(LDP) = C(148)*( LYPC(-1) - 0.0174379428608*LR(-1) -
378
0.334395555436*LW(-1) - 2.77394106051*LPOCA(-1) +
0.15888158022*LDP(-1) + 39.9461931318 ) + C(149)*( LCP(-1) +
0.0276028899045*LR(-1) - 0.132141889571*LW(-1) +
0.834542648591*LPOCA(-1) - 0.160929028824*LDP(-1) 17.3515674637 ) + C(150)*( LI(-1) - 0.128091593964*LR(-1) +
0.0747905587255*LW(-1) - 2.33044552941*LPOCA(-1) +
0.18396335288*LDP(-1) + 35.9995165363 ) + C(151)*( LG(-1) 0.114810304771*LR(-1) + 0.539280952755*LW(-1) - 3.31807296223
*LPOCA(-1) + 0.466346691869*LDP(-1) + 50.1918199433 ) + C(152)
*D(LYPC(-1)) + C(153)*D(LYPC(-2)) + C(154)*D(LCP(-1)) + C(155)
*D(LCP(-2)) + C(156)*D(LI(-1)) + C(157)*D(LI(-2)) + C(158)*D(LG(-1)) +
C(159)*D(LG(-2)) + C(160)*D(LR(-1)) + C(161)*D(LR(-2)) + C(162)
*D(LW(-1)) + C(163)*D(LW(-2)) + C(164)*D(LPOCA(-1)) + C(165)
*D(LPOCA(-2)) + C(166)*D(LDP(-1)) + C(167)*D(LDP(-2)) + C(168)
Observations: 39
R-squared
0.919129 Mean dependent var
0.159705
Adjusted R-squared
0.829272 S.D. dependent var
0.109008
S.E. of regression
0.045041 Sum squared resid
0.036517
Durbin-Watson stat
2.042340
ANEXO 5 TEST DE VALIDADION DE VECM
TEST DE AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/31/13 Time: 11:23
Sample: 1973 2011
Included observations: 39
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
82.77600
127.0269
185.7836
253.8739
313.7786
369.8700
434.1617
491.1382
533.0941
574.6095
613.3563
655.5402
0.0573
0.5077
0.6128
0.5258
0.5875
0.6887
0.6718
0.7389
0.8992
0.9696
0.9940
0.9987
84.95431
131.5971
195.2503
271.1223
339.8365
406.1263
484.4819
556.1619
610.7047
666.5358
720.5045
781.4367
0.0410
0.3958
0.4212
0.2467
0.2134
0.2097
0.1133
0.0864
0.1533
0.2265
0.3248
0.3602
64
128
192
256
320
384
448
512
576
640
704
768
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
379
TEST DE NORMALIDAD
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/31/13 Time: 11:22
Sample: 1973 2011
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
-0.981761
-0.021144
0.447542
-0.451439
-0.677903
0.271992
0.509440
-0.272730
6.265052
0.002906
1.301910
1.324684
2.987092
0.480867
1.686938
0.483481
1
1
1
1
1
1
1
1
0.0123
0.9570
0.2539
0.2498
0.0839
0.4880
0.1940
0.4868
14.53293
8
0.0689
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
4.778666
1.946209
2.773285
2.583554
4.137362
3.586601
3.429536
2.756729
5.140933
1.804522
0.083524
0.281820
2.102087
0.559163
0.299815
0.096169
1
1
1
1
1
1
1
1
0.0234
0.1792
0.7726
0.5955
0.1471
0.4546
0.5840
0.7565
10.36803
8
0.2401
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
11.40599
1.807428
1.385435
1.606504
5.089178
1.040030
1.986753
0.579650
2
2
2
2
2
2
2
2
0.0033
0.4051
0.5002
0.4479
0.0785
0.5945
0.3703
0.7484
Joint
24.90096
16
0.0716
380
ERRORES ESTIMADOS
D(LYPC) Residuals
D(LCP) Residuals
.04
D(LI) Residuals
.04
.08
.02
.04
.02
.00
.00
-.02
.00
-.04
-.04
-.02
-.08
-.06
-.08
-.04
75
80
85
90
95
00
05
10
-.12
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LR) Residuals
.06
85
90
95
00
05
10
05
10
D(LW) Residuals
.4
.4
.04
.3
.2
.02
.2
.00
.0
-.02
-.2
.1
.0
-.04
-.4
-.1
-.06
-.08
-.6
75
80
85
90
95
00
05
10
-.2
75
80
D(LPOCA) Residuals
85
90
95
00
05
10
05
10
75
80
85
90
95
00
D(LDP) Residuals
.00010
.12
.00005
.08
.00000
.04
-.00005
.00
-.00010
-.04
-.00015
-.08
75
80
85
90
95
00
05
10
75
80
85
90
95
00
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
Pairwise Granger Causality Tests
Date: 12/31/13 Time: 11:27
Sample: 1970 2011
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLW does not Granger Cause DLR
DLR does not Granger Cause DLW
38
0.76238
0.69936
0.5238
0.5596
DLYPC does not Granger Cause DLR
DLR does not Granger Cause DLYPC
38
1.79021
1.22374
0.1696
0.3176
DLYPC does not Granger Cause DLW
DLW does not Granger Cause DLYPC
38
1.17611
2.33235
0.3347
0.0934
381
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
mecanismo PRODUCTO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
1.15E-05
Probability
1
0.9973
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.36 + C(148)
-0.002419
0.713612
Restrictions are linear in coefficients.
MECANISMO CONSUMO PRIVADO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
2.24E-06
Probability
1
0.9988
Value
Std. Err.
0.000673
0.449125
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.23 + C(23)
Restrictions are linear in coefficients.
MECANISMO INVERSION
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
9.49E-05
df
Probability
1
0.9922
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.68 + C(3)
-0.003343
0.343161
Restrictions are linear in coefficients.
382
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
2.09E-05
Probability
1
0.9964
Value
Std. Err.
0.001846
0.404097
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.1399999999999999 + C(24)
Restrictions are linear in coefficients.
MECANISMO DE GASTO PUBLICO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
5.83E-05
Probability
1
0.9939
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.0600000000000001 + C(151)
-0.003743
0.490311
Restrictions are linear in coefficients.
TODOS LOS COEFICIENTES JUNTOS
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
0.000178
df
Probability
5
1.0000
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.36 + C(148)
1.23 + C(23)
0.68 + C(3)
1.1399999999999999 + C(24)
1.0600000000000001 + C(151)
-0.002419
0.000673
-0.003343
0.001846
-0.003743
0.713612
0.449125
0.343161
0.404097
0.490311
Restrictions are linear in coefficients.
383
ADJUNTO SOBRE PAN AMA
ADJUNTO SOBRE PANAMA
ANEXO 1 RAICES UNITARIAS
PRODUCTO
Null Hypothesis: LY has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.107652
-4.211868
-3.529758
-3.196411
0.5256
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LY)
Method: Least Squares
Date: 12/21/13 Time: 10:01
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LY(-1)
D(LY(-1))
C
@TREND(1970)
-0.207047
0.273282
1.710412
0.009382
0.098236
0.165496
0.794182
0.004407
-2.107652
1.651293
2.153678
2.129027
0.0423
0.1076
0.0382
0.0404
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.138700
0.064874
0.046784
0.076605
66.19804
1.878747
0.151182
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.049195
0.048379
-3.189643
-3.019021
-3.128426
2.021043
CONSUMO PRIVADO
Null Hypothesis: LCP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
t-Statistic
Prob.*
-3.828786
0.0251
384
Test critical values:
1% level
5% level
10% level
-4.205004
-3.526609
-3.194611
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LCP)
Method: Least Squares
Date: 12/21/13 Time: 10:02
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LCP(-1)
C
@TREND(1970)
-0.598947
4.616771
0.024019
0.156433
1.198910
0.006184
-3.828786
3.850807
3.884263
0.0005
0.0005
0.0004
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.289657
0.251260
0.076739
0.217886
47.49567
7.543769
0.001787
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.041474
0.088685
-2.224784
-2.098118
-2.178985
1.987948
INVERSION (FORMACION BRUTA DE CAPITAL FIJO)
Null Hypothesis: LI has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.143271
-4.205004
-3.526609
-3.194611
0.5069
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LI)
Method: Least Squares
Date: 12/21/13 Time: 10:03
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LI(-1)
-0.236608
0.110396
-2.143271
0.0387
385
C
@TREND(1970)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
1.565684
0.011504
0.120080
0.072517
0.295421
3.229119
-6.424137
2.524644
0.093799
0.740977
0.005756
2.112999
1.998740
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0414
0.0530
0.046727
0.306753
0.471207
0.597873
0.517005
1.687979
GASTO GOBIERNO GENERAL
Null Hypothesis: LG has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.598039
-4.205004
-3.526609
-3.194611
0.2832
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LG)
Method: Least Squares
Date: 12/21/13 Time: 10:03
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LG(-1)
C
@TREND(1970)
-0.186522
1.308376
0.003796
0.071793
0.483936
0.001941
-2.598039
2.703616
1.955486
0.0134
0.0103
0.0581
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.173477
0.128800
0.058170
0.125197
58.57732
3.882914
0.029459
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.035572
0.062321
-2.778866
-2.652200
-2.733068
1.605744
386
COMERCIO INTRARREGIONAL
Null Hypothesis: LRR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.076165
-4.205004
-3.526609
-3.194611
0.5428
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LRR)
Method: Least Squares
Date: 12/21/13 Time: 10:04
Sample (adjusted): 1971 2010
Included observations: 40 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LRR(-1)
C
@TREND(1970)
-0.215772
1.003403
0.016155
0.103928
0.435979
0.008457
-2.076165
2.301496
1.910280
0.0449
0.0271
0.0639
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.116357
0.068592
0.109532
0.443898
33.26327
2.436050
0.101420
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.078162
0.113493
-1.513164
-1.386498
-1.467365
1.957634
COMERCIO EXTRARREGIONAL
Null Hypothesis: LWR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-3.116882
-4.211868
-3.529758
-3.196411
0.1167
*MacKinnon (1996) one-sided p-values.
387
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LWR)
Method: Least Squares
Date: 12/21/13 Time: 10:05
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LWR(-1)
D(LWR(-1))
C
@TREND(1970)
-0.348616
0.386003
3.035588
0.013510
0.111848
0.156531
0.963473
0.004560
-3.116882
2.465989
3.150674
2.962875
0.0036
0.0187
0.0033
0.0054
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.252828
0.188784
0.108526
0.412230
33.38126
3.947762
0.015875
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.047626
0.120495
-1.506731
-1.336110
-1.445514
1.952922
POBLACION TOTAL DE CENTROAMERICA QUE INCLUYE PANAMA
Null Hypothesis: LPOCAP has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.708564
-3.626784
-2.945842
-2.611531
0.0824
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LPOCAP)
Method: Least Squares
Date: 12/21/13 Time: 10:06
Sample (adjusted): 1975 2010
Included observations: 36 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LPOCAP(-1)
D(LPOCAP(-1))
D(LPOCAP(-2))
D(LPOCAP(-3))
D(LPOCAP(-4))
-0.000764
3.006520
-3.786224
2.349742
-0.630713
0.000282
0.146077
0.380373
0.382252
0.147754
-2.708564
20.58177
-9.953990
6.147108
-4.268677
0.0111
0.0000
0.0000
0.0000
0.0002
388
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.014441
0.999799
0.999766
4.57E-05
6.27E-08
311.9488
29876.76
0.000000
0.005309
2.720121
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.0108
0.021255
0.002987
-16.99716
-16.73324
-16.90504
2.176793
DEFLACTOR DEL PIB
Null Hypothesis: LDP has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
Augmented Dickey-Fuller test statistic
Test critical values:
1% level
5% level
10% level
t-Statistic
Prob.*
-2.646183
-4.211868
-3.529758
-3.196411
0.2634
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LDP)
Method: Least Squares
Date: 12/21/13 Time: 10:07
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LDP(-1)
D(LDP(-1))
C
@TREND(1970)
-0.139247
0.199558
-0.067907
0.002423
0.052622
0.152871
0.042954
0.001327
-2.646183
1.305402
-1.580933
1.825878
0.0121
0.2003
0.1229
0.0764
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.300276
0.240299
0.032063
0.035982
80.93333
5.006564
0.005411
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.028594
0.036786
-3.945299
-3.774677
-3.884082
2.003513
389
ANEXO 2 TEST DE COINTEGRACION
Date: 12/21/13 Time: 10:09
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Trend assumption: Linear deterministic trend
Series: LY LCP LI LG LRR LWR LPOCAP LDP
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4 *
At most 5 *
At most 6 *
At most 7 *
0.945730
0.849002
0.693596
0.623691
0.498444
0.411257
0.329899
0.135728
340.4886
226.8507
153.1217
106.9905
68.87403
41.96249
21.30162
5.688860
159.5297
125.6154
95.75366
69.81889
47.85613
29.79707
15.49471
3.841466
0.0000
0.0000
0.0000
0.0000
0.0002
0.0013
0.0059
0.0171
Trace test indicates 8 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
At most 1 *
At most 2 *
At most 3 *
At most 4
At most 5
At most 6 *
At most 7 *
0.945730
0.849002
0.693596
0.623691
0.498444
0.411257
0.329899
0.135728
113.6379
73.72899
46.13119
38.11646
26.91154
20.66087
15.61276
5.688860
52.36261
46.23142
40.07757
33.87687
27.58434
21.13162
14.26460
3.841466
0.0000
0.0000
0.0093
0.0147
0.0608
0.0581
0.0304
0.0171
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
ANEXO 3 VAR NO RESTRINGIDO Y PRUEBAS ESTADISTICAS
ESTIMACION DEL VAR NO RESTRINGIDO
Vector Autoregression Estimates
Date: 12/21/13 Time: 10:12
Sample (adjusted): 1972 2010
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
390
LY
LCP
LI
LG
LRR
LWR
LPOCAP
LDP
LY(-1)
0.461663 0.381895 0.765397 0.118633 -0.082377 0.125446 0.001206 0.141852
(0.25628) (0.42672) (1.17056) (0.30646) (0.48948) (0.48427) (0.00072) (0.15251)
[ 1.80138] [ 0.89495] [ 0.65387] [ 0.38711] [-0.16829] [ 0.25904] [ 1.67309] [ 0.93010]
LY(-2)
0.174883 -0.443018 -0.295498 0.408963 -1.918642 -0.417289 0.000452 -0.093557
(0.25420) (0.42326) (1.16106) (0.30397) (0.48551) (0.48034) (0.00071) (0.15127)
[ 0.68797] [-1.04669] [-0.25451] [ 1.34541] [-3.95181] [-0.86873] [ 0.63298] [-0.61846]
LCP(-1)
0.281007 0.422028 2.367015 0.129322 0.381995 0.424580 6.19E-05 0.092697
(0.17956) (0.29897) (0.82012) (0.21471) (0.34294) (0.33929) (0.00050) (0.10685)
[ 1.56500] [ 1.41160] [ 2.88617] [ 0.60231] [ 1.11387] [ 1.25136] [ 0.12265] [ 0.86751]
LCP(-2)
0.093458 -0.159659 -0.521477 0.137023 0.411456 0.089908 -3.43E-05 -0.186811
(0.12323) (0.20518) (0.56284) (0.14735) (0.23536) (0.23285) (0.00035) (0.07333)
[ 0.75842] [-0.77814] [-0.92651] [ 0.92989] [ 1.74822] [ 0.38612] [-0.09912] [-2.54747]
LI(-1)
0.025737 0.168649 0.454653 -0.011800 0.105748 0.173542 -0.000110 0.007957
(0.05237) (0.08720) (0.23920) (0.06262) (0.10003) (0.09896) (0.00015) (0.03117)
[ 0.49143] [ 1.93405] [ 1.90070] [-0.18842] [ 1.05720] [ 1.75364] [-0.74755] [ 0.25532]
LI(-2)
-0.102828 -0.012463 -0.256232 -0.057700 -0.000707 -0.166872 -0.000377 0.026330
(0.04030) (0.06710) (0.18406) (0.04819) (0.07697) (0.07615) (0.00011) (0.02398)
[-2.55168] [-0.18574] [-1.39211] [-1.19740] [-0.00919] [-2.19143] [-3.32848] [ 1.09794]
LG(-1)
-0.097078 -0.250396 -0.739957 0.537329 -0.101891 -0.889208 -0.000434 0.032332
(0.21482) (0.35769) (0.98121) (0.25688) (0.41030) (0.40594) (0.00060) (0.12784)
[-0.45190] [-0.70003] [-0.75413] [ 2.09172] [-0.24833] [-2.19052] [-0.71790] [ 0.25291]
LG(-2)
0.187117 0.730659 -1.020091 -0.129019 0.320373 1.144350 0.001231 0.091895
(0.20412) (0.33987) (0.93232) (0.24409) (0.38986) (0.38571) (0.00057) (0.12147)
[ 0.91669] [ 2.14980] [-1.09414] [-0.52858] [ 0.82176] [ 2.96684] [ 2.14492] [ 0.75651]
LRR(-1)
0.113673 -0.212176 -0.009503 0.093908 0.220180 0.137991 -0.000151 -0.049872
(0.09954) (0.16574) (0.45464) (0.11903) (0.19011) (0.18809) (0.00028) (0.05924)
[ 1.14199] [-1.28020] [-0.02090] [ 0.78896] [ 1.15815] [ 0.73364] [-0.54015] [-0.84193]
LRR(-2)
0.135924 0.449772 0.782673 0.107796 0.256479 0.434607 0.000260 0.137840
(0.09274) (0.15442) (0.42360) (0.11090) (0.17713) (0.17525) (0.00026) (0.05519)
[ 1.46559] [ 2.91263] [ 1.84766] [ 0.97200] [ 1.44793] [ 2.47994] [ 0.99529] [ 2.49752]
LWR(-1)
0.040988 -0.427236 -0.055608 0.022796 -0.177403 0.372541 0.000187 -0.029684
(0.10603) (0.17655) (0.48429) (0.12679) (0.20251) (0.20036) (0.00030) (0.06310)
[ 0.38657] [-2.41997] [-0.11482] [ 0.17979] [-0.87601] [ 1.85938] [ 0.62622] [-0.47043]
LWR(-2)
0.003769 -0.003647 0.105753 -0.095083 0.516032 -0.257686 0.000183 -0.063106
(0.11523) (0.19186) (0.52630) (0.13779) (0.22008) (0.21774) (0.00032) (0.06857)
[ 0.03271] [-0.01901] [ 0.20094] [-0.69007] [ 2.34477] [-1.18348] [ 0.56554] [-0.92030]
LPOCAP(-1)
52.43993 80.44485 282.6624 0.334925 47.77806 240.6585 1.850466 44.61024
(31.8380) (53.0116) (145.419) (38.0714) (60.8087) (60.1615) (0.08953) (18.9466)
[ 1.64709] [ 1.51749] [ 1.94378] [ 0.00880] [ 0.78571] [ 4.00021] [ 20.6679] [ 2.35452]
LPOCAP(-2)
-52.74507 -78.39103 -282.9495 -2.128591 -43.80075 -238.5983 -0.853277 -44.12546
(31.5466) (52.5265) (144.088) (37.7229) (60.2522) (59.6109) (0.08871) (18.7732)
391
[-1.67197] [-1.49241] [-1.96372] [-0.05643] [-0.72696] [-4.00260] [-9.61832] [-2.35045]
LDP(-1)
-0.393139 -0.894193 -1.794490 0.308060 -0.317432 -1.106804 -0.002556 0.707346
(0.42144) (0.70171) (1.92490) (0.50395) (0.80492) (0.79635) (0.00119) (0.25079)
[-0.93286] [-1.27431] [-0.93225] [ 0.61130] [-0.39437] [-1.38985] [-2.15633] [ 2.82043]
LDP(-2)
0.456408 0.416140 1.908176 0.046315 0.364783 0.900279 -0.000611 0.062943
(0.44896) (0.74753) (2.05059) (0.53685) (0.85748) (0.84835) (0.00126) (0.26717)
[ 1.01660] [ 0.55669] [ 0.93055] [ 0.08627] [ 0.42541] [ 1.06121] [-0.48381] [ 0.23559]
C
2.326972 -32.17951 -7.330744 28.17233 -60.25967 -39.16382 0.028832 -9.756297
(8.57661) (14.2804) (39.1734) (10.2558) (16.3808) (16.2065) (0.02412) (5.10389)
[ 0.27132] [-2.25340] [-0.18714] [ 2.74697] [-3.67867] [-2.41655] [ 1.19541] [-1.91154]
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.995890 0.985852 0.944822 0.980722 0.995226 0.982341 1.000000 0.994766
0.992900 0.975562 0.904692 0.966702 0.991754 0.969498 1.000000 0.990959
0.041507 0.115072 0.865904 0.059350 0.151411 0.148205 3.28E-07 0.014699
0.043436 0.072322 0.198392 0.051940 0.082960 0.082077 0.000122 0.025848
333.1374 95.80984 23.54415 69.95065 286.6491 76.48789 9600503. 261.3164
78.14792 58.26373 18.90849 71.17464 52.91207 53.32941 307.2264 98.39028
-3.135791 -2.116089 -0.097871 -2.778187 -1.841645 -1.863046 -14.88340 -4.173861
-2.410649 -1.390947 0.627271 -2.053044 -1.116503 -1.137904 -14.15826 -3.448718
9.088820 8.520359 7.473137 7.294868 5.942201 9.483835 17.18002 -0.257600
0.515492 0.462637 0.642626 0.284637 0.913588 0.469953 0.245585 0.271847
Determinant resid covariance
(dof adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.20E-26
1.23E-28
810.4997
-34.58973
-28.78859
392
COMPORTAMIENTO DE LOS ERRORES
LY Residuals
LCP Residuals
.10
.05
LI Residuals
.12
.3
.08
.2
.04
.1
.00
.0
-.04
-.1
-.08
-.2
-.12
-.3
.00
-.05
-.10
-.16
75
80
85
90
95
00
05
10
-.4
75
80
LG Residuals
85
90
95
00
05
10
75
80
LRR Residuals
.10
85
90
95
00
05
10
00
05
10
LWR Residuals
.12
.2
.08
.05
.1
.04
.00
.00
-.05
-.04
.0
-.08
-.1
-.10
-.12
-.15
-.16
75
80
85
90
95
00
05
10
-.2
75
80
LPOCAP Residuals
85
90
95
00
05
10
00
05
10
75
80
85
90
95
LDP Residuals
.0002
.06
.0001
.04
.0000
.02
-.0001
.00
-.0002
-.02
-.0003
-.04
75
80
85
90
95
00
05
10
75
80
85
90
95
TEST DE AUTOCORRELACION
VAR Residual Serial Correlation LM Tests
Null Hypothesis: no serial correlation at lag
order h
Date: 12/21/13 Time: 10:14
Sample: 1970 2010
Included observations: 39
Lags
LM-Stat
Prob
1
2
3
4
5
6
7
8
120.4446
106.9899
79.74312
77.76804
60.40224
63.56017
50.79857
65.88619
0.0000
0.0006
0.0886
0.1156
0.6045
0.4920
0.8846
0.4114
393
9
10
11
12
58.36054
51.67622
71.92381
67.77791
0.6753
0.8661
0.2322
0.3497
Probs from chi-square with 64 df.
TEST DE NORMALIDAD
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/21/13 Time: 10:15
Sample: 1970 2010
Included observations: 39
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
0.144938
-0.186686
0.068903
0.051987
-0.081475
-0.175935
-0.130996
0.240829
0.136545
0.226536
0.030860
0.017567
0.043148
0.201195
0.111539
0.376992
1
1
1
1
1
1
1
1
0.7117
0.6341
0.8606
0.8946
0.8354
0.6538
0.7384
0.5392
1.144382
8
0.9972
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
6
7
8
1.045341
0.739144
0.756216
0.822573
0.694905
0.909029
0.897828
1.051810
6.208622
8.306136
8.181174
7.704433
8.634375
7.104760
7.181081
6.167595
1
1
1
1
1
1
1
1
0.0127
0.0040
0.0042
0.0055
0.0033
0.0077
0.0074
0.0130
59.48818
8
0.0000
Joint
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
8
6.345167
8.532672
8.212033
7.722000
8.677523
7.305955
7.292620
6.544587
2
2
2
2
2
2
2
2
0.0419
0.0140
0.0165
0.0210
0.0131
0.0259
0.0261
0.0379
Joint
60.63256
16
0.0000
394
TEST DE HETEROCEDASTICIDAD
VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 12/21/13 Time: 10:16
Sample: 1970 2010
Included observations: 39
Joint test:
Chi-sq
df
Prob.
1141.038
1116
0.2945
Individual components:
Dependent
R-squared
F(31,7)
Prob.
Chi-sq(31)
Prob.
res1*res1
res2*res2
res3*res3
res4*res4
res5*res5
res6*res6
res7*res7
res8*res8
res2*res1
res3*res1
res3*res2
res4*res1
res4*res2
res4*res3
res5*res1
res5*res2
res5*res3
res5*res4
res6*res1
res6*res2
res6*res3
res6*res4
res6*res5
res7*res1
res7*res2
res7*res3
res7*res4
res7*res5
res7*res6
res8*res1
res8*res2
res8*res3
res8*res4
res8*res5
res8*res6
res8*res7
0.946617
0.780632
0.957182
0.949157
0.667174
0.677385
0.872099
0.895979
0.735869
0.808598
0.847732
0.798570
0.862459
0.980124
0.951096
0.675378
0.911292
0.539631
0.723245
0.895716
0.679855
0.881604
0.812750
0.849333
0.816099
0.885126
0.835094
0.834149
0.694855
0.818104
0.855720
0.933957
0.942846
0.880718
0.883866
0.875249
4.004165
0.803542
5.047780
4.215480
0.452646
0.474119
1.539666
1.944979
0.629097
0.953941
1.257151
0.895210
1.415935
11.13492
4.391509
0.469793
2.319692
0.264684
0.590101
1.939487
0.479518
1.681414
0.980102
1.272901
1.002063
1.739881
1.143498
1.135697
0.514190
1.015598
1.339256
3.193288
3.725050
1.667239
1.718549
1.584252
0.0316
0.6906
0.0164
0.0274
0.9392
0.9278
0.2881
0.1832
0.8245
0.5810
0.4031
0.6224
0.3332
0.0015
0.0244
0.9302
0.1249
0.9955
0.8531
0.1843
0.9248
0.2448
0.5633
0.3955
0.5487
0.2292
0.4626
0.4670
0.9042
0.5399
0.3651
0.0575
0.0384
0.2488
0.2348
0.2736
36.91808
30.44464
37.33008
37.01714
26.01980
26.41802
34.01184
34.94320
28.69890
31.53531
33.06156
31.14423
33.63591
38.22483
37.09273
26.33976
35.54038
21.04561
28.20656
34.93291
26.51433
34.38257
31.69725
33.12397
31.82786
34.51991
32.56867
32.53182
27.09933
31.90606
33.37310
36.42433
36.77100
34.34800
34.47076
34.13471
0.2142
0.4944
0.2009
0.2109
0.7204
0.7011
0.3246
0.2861
0.5849
0.4395
0.3667
0.4590
0.3409
0.1741
0.2085
0.7049
0.2629
0.9107
0.6105
0.2865
0.6963
0.3089
0.4315
0.3639
0.4251
0.3032
0.3896
0.3913
0.6672
0.4213
0.3526
0.2309
0.2191
0.3104
0.3052
0.3193
395
TEST NUMERO DE REZAGOS
VAR Lag Order Selection Criteria
Endogenous variables: LY LCP LI LG LRR LWR LPOCAP LDP
Exogenous variables: C
Date: 12/21/13 Time: 10:18
Sample: 1970 2010
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
1
2
223.7365
673.6392
810.4997
NA
692.1581
154.4067*
2.17e-15
5.89e-24
2.16e-25*
-11.06341
-30.85329
-34.58973*
-10.72217
-27.78210
-28.78859*
-10.94097
-29.75138
-32.50833*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
No se pudo hacer test con mas de 2 rezagos porque la información es insuficiente.
ANEXO 4 VECM ESTIMADO
Vector Error Correction Estimates
Date: 12/21/13 Time: 11:12
Sample (adjusted): 1973 2010
Included observations: 38 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
LY(-1)
1.000000
0.000000
0.000000
0.000000
LCP(-1)
0.000000
1.000000
0.000000
0.000000
LI(-1)
0.000000
0.000000
1.000000
0.000000
LG(-1)
0.000000
0.000000
0.000000
1.000000
LRR(-1)
0.762038
(0.17444)
[ 4.36857]
0.757007
(0.24346)
[ 3.10942]
0.166213
(0.48292)
[ 0.34418]
1.237875
(0.20389)
[ 6.07136]
LWR(-1)
-1.138718
(0.19648)
[-5.79553]
-1.083702
(0.27422)
[-3.95188]
-4.143332
(0.54396)
[-7.61704]
-0.673217
(0.22965)
[-2.93143]
LDP(-1)
0.112829
0.406686
1.148450
-0.139186
396
(0.30265)
[ 0.37281]
(0.42240)
[ 0.96281]
(0.83787)
[ 1.37068]
(0.35374)
[-0.39346]
C
-2.762851
-2.608401
31.08062
-8.261136
Error Correction:
D(LY)
D(LCP)
D(LI)
D(LG)
D(LRR)
D(LWR)
D(LDP)
CointEq1
0.177024
(0.27914)
[ 0.63419]
0.571910
(0.60227)
[ 0.94959]
3.029411
(1.05894)
[ 2.86080]
0.256984
(0.44811)
[ 0.57348]
-1.887516
(0.48194)
[-3.91648]
0.495521
(0.59863)
[ 0.82776]
0.050666
(0.23203)
[ 0.21836]
CointEq2
0.539631
(0.22168)
[ 2.43425]
-0.742424
(0.47831)
[-1.55218]
3.105881
(0.84098)
[ 3.69316]
-0.046820
(0.35588)
[-0.13156]
1.356825
(0.38275)
[ 3.54497]
1.195049
(0.47542)
[ 2.51369]
0.134148
(0.18428)
[ 0.72797]
CointEq3
-0.253021
(0.06938)
[-3.64702]
-0.031900
(0.14969)
[-0.21310]
-1.516676
(0.26319)
[-5.76261]
-0.008567
(0.11138)
[-0.07692]
-0.049827
(0.11978)
[-0.41597]
-0.285947
(0.14879)
[-1.92188]
-0.096190
(0.05767)
[-1.66791]
CointEq4
-0.141679
(0.13294)
[-1.06574]
0.354574
(0.28683)
[ 1.23617]
-3.221136
(0.50432)
[-6.38705]
-0.127741
(0.21342)
[-0.59855]
-0.103610
(0.22953)
[-0.45141]
-0.721660
(0.28510)
[-2.53126]
-0.057627
(0.11051)
[-0.52147]
D(LY(-1))
-1.091541
(0.37131)
[-2.93974]
-0.821590
(0.80114)
[-1.02553]
-3.628912
(1.40859)
[-2.57626]
0.072181
(0.59608)
[ 0.12109]
1.187411
(0.64108)
[ 1.85221]
-0.944582
(0.79629)
[-1.18622]
-0.184700
(0.30865)
[-0.59841]
D(LY(-2))
-0.864814
(0.32241)
[-2.68233]
-1.255383
(0.69565)
[-1.80463]
-3.901891
(1.22311)
[-3.19014]
0.490227
(0.51759)
[ 0.94714]
-0.996758
(0.55666)
[-1.79060]
-1.109183
(0.69144)
[-1.60417]
-0.281516
(0.26801)
[-1.05040]
D(LCP(-1))
0.044942
(0.19641)
[ 0.22882]
0.553744
(0.42378)
[ 1.30669]
1.160757
(0.74510)
[ 1.55785]
0.063019
(0.31531)
[ 0.19987]
-0.488448
(0.33911)
[-1.44038]
-0.124758
(0.42121)
[-0.29619]
0.070932
(0.16327)
[ 0.43446]
D(LCP(-2))
0.085519
(0.14235)
[ 0.60077]
0.383166
(0.30714)
[ 1.24755]
-0.962913
(0.54002)
[-1.78311]
-0.111951
(0.22852)
[-0.48989]
-0.423914
(0.24577)
[-1.72482]
-0.857053
(0.30528)
[-2.80745]
-0.017174
(0.11833)
[-0.14514]
D(LI(-1))
0.247698
(0.05742)
[ 4.31407]
0.126525
(0.12388)
[ 1.02132]
0.996623
(0.21782)
[ 4.57551]
0.008714
(0.09217)
[ 0.09453]
0.237188
(0.09913)
[ 2.39264]
0.584012
(0.12313)
[ 4.74290]
0.044864
(0.04773)
[ 0.93998]
D(LI(-2))
0.066914
(0.04155)
[ 1.61030]
0.021076
(0.08966)
[ 0.23507]
-0.311366
(0.15764)
[-1.97516]
-0.124760
(0.06671)
[-1.87020]
-0.053127
(0.07175)
[-0.74049]
0.086154
(0.08912)
[ 0.96677]
0.037050
(0.03454)
[ 1.07261]
D(LG(-1))
-0.113433
(0.21251)
[-0.53377]
-0.540474
(0.45852)
[-1.17873]
1.654652
(0.80619)
[ 2.05243]
0.005950
(0.34116)
[ 0.01744]
-0.480782
(0.36691)
[-1.31034]
-1.455861
(0.45575)
[-3.19443]
0.092590
(0.17665)
[ 0.52413]
D(LG(-2))
0.450344
(0.25009)
[ 1.80072]
0.809376
(0.53960)
[ 1.49994]
3.846918
(0.94875)
[ 4.05471]
0.156974
(0.40149)
[ 0.39098]
0.924903
(0.43180)
[ 2.14199]
0.725450
(0.53634)
[ 1.35259]
0.450165
(0.20789)
[ 2.16539]
D(LRR(-1))
-0.110544
(0.07968)
-0.289680
(0.17193)
-0.103488
(0.30229)
0.035701
(0.12792)
-0.315563
(0.13758)
-0.387686
(0.17089)
-0.086754
(0.06624)
397
[-1.38730]
[-1.68491]
[-0.34235]
[ 0.27909]
[-2.29373]
[-2.26868]
[-1.30974]
D(LRR(-2))
0.062108
(0.07594)
[ 0.81785]
0.124581
(0.16385)
[ 0.76033]
1.469833
(0.28809)
[ 5.10197]
0.105511
(0.12191)
[ 0.86546]
0.213229
(0.13112)
[ 1.62626]
0.441421
(0.16286)
[ 2.71041]
0.075481
(0.06313)
[ 1.19571]
D(LWR(-1))
-0.081746
(0.11922)
[-0.68566]
0.074472
(0.25724)
[ 0.28950]
-0.339010
(0.45229)
[-0.74955]
0.168774
(0.19140)
[ 0.88181]
-0.648267
(0.20584)
[-3.14932]
-0.050254
(0.25568)
[-0.19655]
-0.005781
(0.09910)
[-0.05833]
D(LWR(-2))
0.008303
(0.11406)
[ 0.07280]
0.109451
(0.24611)
[ 0.44473]
0.312006
(0.43272)
[ 0.72104]
0.008491
(0.18311)
[ 0.04637]
-0.266181
(0.19694)
[-1.35160]
0.143025
(0.24462)
[ 0.58469]
-0.095824
(0.09482)
[-1.01062]
D(LDP(-1))
-0.643236
(0.31831)
[-2.02078]
-0.764656
(0.68680)
[-1.11336]
-3.113745
(1.20756)
[-2.57855]
0.391775
(0.51101)
[ 0.76667]
-1.011351
(0.54958)
[-1.84022]
-0.818392
(0.68264)
[-1.19886]
0.075790
(0.26460)
[ 0.28643]
D(LDP(-2))
0.449254
(0.34475)
[ 1.30312]
0.323557
(0.74385)
[ 0.43498]
2.919235
(1.30786)
[ 2.23207]
0.760402
(0.55345)
[ 1.37392]
0.587827
(0.59523)
[ 0.98756]
1.915123
(0.73935)
[ 2.59028]
-0.102696
(0.28658)
[-0.35835]
C
44.46056
(10.6986)
[ 4.15572]
17.24395
(23.0837)
[ 0.74702]
175.2414
(40.5867)
[ 4.31771]
0.190828
(17.1752)
[ 0.01111]
-27.14149
(18.4718)
[-1.46935]
56.00489
(22.9441)
[ 2.44093]
12.23778
(8.89337)
[ 1.37606]
LPOCAP
-2.578666
(0.62136)
[-4.15003]
-0.996705
(1.34067)
[-0.74344]
-10.18855
(2.35721)
[-4.32229]
-0.013965
(0.99751)
[-0.01400]
1.586866
(1.07281)
[ 1.47917]
-3.249729
(1.33256)
[-2.43872]
-0.709911
(0.51651)
[-1.37443]
0.703348
0.390216
0.025838
0.037887
2.246168
84.65671
-3.402985
-2.541097
0.050310
0.048518
0.604712
0.187463
0.120286
0.081747
1.449285
55.43432
-1.864964
-1.003077
0.042153
0.090688
0.897714
0.789745
0.371851
0.143730
8.314575
33.99043
-0.736338
0.125549
0.040242
0.313455
0.478782
-0.071393
0.066590
0.060823
0.870236
66.66940
-2.456284
-1.594397
0.030025
0.058761
0.844458
0.680275
0.077023
0.065414
5.143383
63.90390
-2.310731
-1.448844
0.075165
0.115687
0.784362
0.556743
0.118835
0.081252
3.445951
55.66486
-1.877098
-1.015210
0.048281
0.122042
0.641215
0.262497
0.017854
0.031494
1.693121
91.67950
-3.772605
-2.910718
0.027536
0.036673
Determinant resid covariance (dof
adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
1.82E-19
9.73E-22
541.8086
-19.67414
-12.43428
R-squared
Adj. R-squared
Sum sq. resids
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
P-VALUES DE LOS COEFICIENTES Y ECUACIONES DEL VECM
System: UNTITLED
Estimation Method: Least Squares
Date: 12/21/13 Time: 11:14
Sample: 1973 2010
Included observations: 38
398
Total system (balanced) observations 266
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
C(13)
C(14)
C(15)
C(16)
C(17)
C(18)
C(19)
C(20)
C(21)
C(22)
C(23)
C(24)
C(25)
C(26)
C(27)
C(28)
C(29)
C(30)
C(31)
C(32)
C(33)
C(34)
C(35)
C(36)
C(37)
C(38)
C(39)
C(40)
C(41)
C(42)
C(43)
C(44)
C(45)
C(46)
C(47)
C(48)
C(49)
C(50)
C(51)
C(52)
C(53)
Coefficient
Std. Error
t-Statistic
Prob.
0.177024
0.539631
-0.253021
-0.141679
-1.091541
-0.864814
0.044942
0.085519
0.247698
0.066914
-0.113433
0.450344
-0.110544
0.062108
-0.081746
0.008303
-0.643236
0.449254
44.46056
-2.578666
0.571910
-0.742424
-0.031900
0.354574
-0.821590
-1.255383
0.553744
0.383166
0.126525
0.021076
-0.540474
0.809376
-0.289680
0.124581
0.074472
0.109451
-0.764656
0.323557
17.24395
-0.996705
3.029411
3.105881
-1.516676
-3.221136
-3.628912
-3.901891
1.160757
-0.962913
0.996623
-0.311366
1.654652
3.846918
-0.103488
0.279136
0.221683
0.069378
0.132939
0.371305
0.322412
0.196409
0.142348
0.057416
0.041554
0.212512
0.250091
0.079683
0.075941
0.119222
0.114064
0.318312
0.344752
10.69864
0.621361
0.602271
0.478309
0.149691
0.286834
0.801140
0.695646
0.423777
0.307135
0.123883
0.089658
0.458523
0.539604
0.171926
0.163852
0.257238
0.246107
0.686798
0.743848
23.08370
1.340666
1.058937
0.840982
0.263193
0.504323
1.408595
1.223111
0.745101
0.540017
0.217817
0.157640
0.806192
0.948753
0.302287
0.634186
2.434251
-3.647015
-1.065743
-2.939740
-2.682326
0.228818
0.600770
4.314067
1.610299
-0.533770
1.800720
-1.387297
0.817847
-0.685657
0.072795
-2.020776
1.303121
4.155720
-4.150032
0.949588
-1.552184
-0.213103
1.236165
-1.025527
-1.804630
1.306688
1.247547
1.021323
0.235075
-1.178729
1.499944
-1.684909
0.760329
0.289505
0.444729
-1.113363
0.434977
0.747018
-0.743440
2.860803
3.693161
-5.762607
-6.387050
-2.576264
-3.190136
1.557851
-1.783115
4.575513
-1.975165
2.052428
4.054708
-0.342350
0.5271
0.0163
0.0004
0.2886
0.0039
0.0083
0.8194
0.5491
0.0000
0.1098
0.5944
0.0741
0.1678
0.4150
0.4942
0.9421
0.0454
0.1949
0.0001
0.0001
0.3441
0.1231
0.8316
0.2187
0.3071
0.0735
0.1937
0.2145
0.3091
0.8145
0.2407
0.1361
0.0945
0.4485
0.7727
0.6573
0.2677
0.6643
0.4564
0.4586
0.0049
0.0003
0.0000
0.0000
0.0111
0.0018
0.1218
0.0770
0.0000
0.0504
0.0422
0.0001
0.7327
399
C(54)
C(55)
C(56)
C(57)
C(58)
C(59)
C(60)
C(61)
C(62)
C(63)
C(64)
C(65)
C(66)
C(67)
C(68)
C(69)
C(70)
C(71)
C(72)
C(73)
C(74)
C(75)
C(76)
C(77)
C(78)
C(79)
C(80)
C(81)
C(82)
C(83)
C(84)
C(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(100)
C(101)
C(102)
C(103)
C(104)
C(105)
C(106)
C(107)
C(108)
C(109)
C(110)
1.469833
-0.339010
0.312006
-3.113745
2.919235
175.2414
-10.18855
0.256984
-0.046820
-0.008567
-0.127741
0.072181
0.490227
0.063019
-0.111951
0.008714
-0.124760
0.005950
0.156974
0.035701
0.105511
0.168774
0.008491
0.391775
0.760402
0.190828
-0.013965
-1.887516
1.356825
-0.049827
-0.103610
1.187411
-0.996758
-0.488448
-0.423914
0.237188
-0.053127
-0.480782
0.924903
-0.315563
0.213229
-0.648267
-0.266181
-1.011351
0.587827
-27.14149
1.586866
0.495521
1.195049
-0.285947
-0.721660
-0.944582
-1.109183
-0.124758
-0.857053
0.584012
0.086154
0.288091
0.452285
0.432716
1.207556
1.307862
40.58667
2.357211
0.448114
0.355881
0.111376
0.213416
0.596080
0.517588
0.315307
0.228521
0.092174
0.066709
0.341159
0.401487
0.127920
0.121913
0.191395
0.183114
0.511006
0.553453
17.17521
0.997510
0.481942
0.382747
0.119784
0.229527
0.641078
0.556661
0.339110
0.245772
0.099132
0.071745
0.366913
0.431796
0.137576
0.131116
0.205843
0.196937
0.549582
0.595233
18.47176
1.072812
0.598629
0.475416
0.148786
0.285099
0.796294
0.691438
0.421214
0.305277
0.123134
0.089116
5.101971
-0.749550
0.721043
-2.578552
2.232067
4.317708
-4.322291
0.573478
-0.131560
-0.076921
-0.598552
0.121092
0.947136
0.199866
-0.489892
0.094534
-1.870197
0.017442
0.390982
0.279088
0.865462
0.881809
0.046368
0.766674
1.373924
0.011111
-0.014000
-3.916476
3.544967
-0.415970
-0.451406
1.852209
-1.790601
-1.440382
-1.724824
2.392641
-0.740493
-1.310342
2.141993
-2.293728
1.626263
-3.149318
-1.351603
-1.840220
0.987559
-1.469350
1.479166
0.827760
2.513692
-1.921876
-2.531259
-1.186223
-1.604168
-0.296187
-2.807454
4.742897
0.966766
0.0000
0.4549
0.4722
0.0111
0.0274
0.0000
0.0000
0.5673
0.8955
0.9388
0.5505
0.9038
0.3454
0.8419
0.6251
0.9248
0.0638
0.9861
0.6965
0.7806
0.3884
0.3796
0.9631
0.4447
0.1719
0.9912
0.9889
0.0001
0.0006
0.6781
0.6525
0.0663
0.0758
0.1522
0.0870
0.0182
0.4604
0.1925
0.0341
0.0235
0.1064
0.0020
0.1789
0.0681
0.3253
0.1442
0.1416
0.4094
0.0132
0.0569
0.0126
0.2378
0.1112
0.7676
0.0058
0.0000
0.3355
400
C(111)
C(112)
C(113)
C(114)
C(115)
C(116)
C(117)
C(118)
C(119)
C(120)
C(121)
C(122)
C(123)
C(124)
C(125)
C(126)
C(127)
C(128)
C(129)
C(130)
C(131)
C(132)
C(133)
C(134)
C(135)
C(136)
C(137)
C(138)
C(139)
C(140)
-1.455861
0.725450
-0.387686
0.441421
-0.050254
0.143025
-0.818392
1.915123
56.00489
-3.249729
0.050666
0.134148
-0.096190
-0.057627
-0.184700
-0.281516
0.070932
-0.017174
0.044864
0.037050
0.092590
0.450165
-0.086754
0.075481
-0.005781
-0.095824
0.075790
-0.102696
12.23778
-0.709911
Determinant residual covariance
0.455749
0.536340
0.170886
0.162861
0.255682
0.244619
0.682644
0.739348
22.94408
1.332557
0.232035
0.184276
0.057671
0.110507
0.308652
0.268009
0.163267
0.118329
0.047728
0.034542
0.176653
0.207891
0.066237
0.063127
0.099105
0.094817
0.264600
0.286579
8.893371
0.516513
-3.194434
1.352592
-2.268680
2.710413
-0.196548
0.584687
-1.198856
2.590285
2.440930
-2.438717
0.218356
0.727972
-1.667912
-0.521473
-0.598410
-1.050399
0.434456
-0.145139
0.939985
1.072609
0.524132
2.165387
-1.309742
1.195713
-0.058333
-1.010618
0.286433
-0.358351
1.376056
-1.374430
0.0018
0.1786
0.0250
0.0077
0.8445
0.5598
0.2328
0.0107
0.0160
0.0161
0.8275
0.4680
0.0978
0.6030
0.5506
0.2955
0.6647
0.8848
0.3490
0.2855
0.6011
0.0322
0.1927
0.2341
0.9536
0.3141
0.7750
0.7207
0.1712
0.1717
9.73E-22
Equation: D(LY) = C(1)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(2)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(3)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(4)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1) 0.139185611474*LDP(-1) - 8.26113622287 ) + C(5)*D(LY(-1)) + C(6)
*D(LY(-2)) + C(7)*D(LCP(-1)) + C(8)*D(LCP(-2)) + C(9)*D(LI(-1)) +
C(10)*D(LI(-2)) + C(11)*D(LG(-1)) + C(12)*D(LG(-2)) + C(13)*D(LRR(
-1)) + C(14)*D(LRR(-2)) + C(15)*D(LWR(-1)) + C(16)*D(LWR(-2)) +
C(17)*D(LDP(-1)) + C(18)*D(LDP(-2)) + C(19) + C(20)*LPOCAP
Observations: 38
R-squared
0.703348 Mean dependent var
0.050310
Adjusted R-squared
0.390216 S.D. dependent var
0.048518
S.E. of regression
0.037887 Sum squared resid
0.025838
Durbin-Watson stat
2.189302
Equation: D(LCP) = C(21)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(22)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(23)*( LI(-1) + 0.166212560344*LRR(-1) -
401
4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(24)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1) 0.139185611474*LDP(-1) - 8.26113622287 ) + C(25)*D(LY(-1)) +
C(26)*D(LY(-2)) + C(27)*D(LCP(-1)) + C(28)*D(LCP(-2)) + C(29)*D(LI(
-1)) + C(30)*D(LI(-2)) + C(31)*D(LG(-1)) + C(32)*D(LG(-2)) + C(33)
*D(LRR(-1)) + C(34)*D(LRR(-2)) + C(35)*D(LWR(-1)) + C(36)*D(LWR(
-2)) + C(37)*D(LDP(-1)) + C(38)*D(LDP(-2)) + C(39) + C(40)*LPOCAP
Observations: 38
R-squared
0.604712 Mean dependent var
0.042153
Adjusted R-squared
0.187463 S.D. dependent var
0.090688
S.E. of regression
0.081747 Sum squared resid
0.120286
Durbin-Watson stat
2.197554
Equation: D(LI) = C(41)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(42)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(43)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(44)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1) 0.139185611474*LDP(-1) - 8.26113622287 ) + C(45)*D(LY(-1)) +
C(46)*D(LY(-2)) + C(47)*D(LCP(-1)) + C(48)*D(LCP(-2)) + C(49)*D(LI(
-1)) + C(50)*D(LI(-2)) + C(51)*D(LG(-1)) + C(52)*D(LG(-2)) + C(53)
*D(LRR(-1)) + C(54)*D(LRR(-2)) + C(55)*D(LWR(-1)) + C(56)*D(LWR(
-2)) + C(57)*D(LDP(-1)) + C(58)*D(LDP(-2)) + C(59) + C(60)*LPOCAP
Observations: 38
R-squared
0.897714 Mean dependent var
0.040242
Adjusted R-squared
0.789745 S.D. dependent var
0.313455
S.E. of regression
0.143730 Sum squared resid
0.371851
Durbin-Watson stat
2.404857
Equation: D(LG) = C(61)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(62)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(63)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(64)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1) 0.139185611474*LDP(-1) - 8.26113622287 ) + C(65)*D(LY(-1)) +
C(66)*D(LY(-2)) + C(67)*D(LCP(-1)) + C(68)*D(LCP(-2)) + C(69)*D(LI(
-1)) + C(70)*D(LI(-2)) + C(71)*D(LG(-1)) + C(72)*D(LG(-2)) + C(73)
*D(LRR(-1)) + C(74)*D(LRR(-2)) + C(75)*D(LWR(-1)) + C(76)*D(LWR(
-2)) + C(77)*D(LDP(-1)) + C(78)*D(LDP(-2)) + C(79) + C(80)*LPOCAP
Observations: 38
R-squared
0.478782 Mean dependent var
0.030025
Adjusted R-squared
-0.071393 S.D. dependent var
0.058761
S.E. of regression
0.060823 Sum squared resid
0.066590
Durbin-Watson stat
2.039101
Equation: D(LRR) = C(81)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(82)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(83)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(84)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1) 0.139185611474*LDP(-1) - 8.26113622287 ) + C(85)*D(LY(-1)) +
402
C(86)*D(LY(-2)) + C(87)*D(LCP(-1)) + C(88)*D(LCP(-2)) + C(89)*D(LI(
-1)) + C(90)*D(LI(-2)) + C(91)*D(LG(-1)) + C(92)*D(LG(-2)) + C(93)
*D(LRR(-1)) + C(94)*D(LRR(-2)) + C(95)*D(LWR(-1)) + C(96)*D(LWR(
-2)) + C(97)*D(LDP(-1)) + C(98)*D(LDP(-2)) + C(99) + C(100)*LPOCAP
Observations: 38
R-squared
0.844458 Mean dependent var
0.075165
Adjusted R-squared
0.680275 S.D. dependent var
0.115687
S.E. of regression
0.065414 Sum squared resid
0.077023
Durbin-Watson stat
1.773209
Equation: D(LWR) = C(101)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(102)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(103)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(104)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1)
- 0.139185611474*LDP(-1) - 8.26113622287 ) + C(105)*D(LY(-1)) +
C(106)*D(LY(-2)) + C(107)*D(LCP(-1)) + C(108)*D(LCP(-2)) + C(109)
*D(LI(-1)) + C(110)*D(LI(-2)) + C(111)*D(LG(-1)) + C(112)*D(LG(-2)) +
C(113)*D(LRR(-1)) + C(114)*D(LRR(-2)) + C(115)*D(LWR(-1)) +
C(116)*D(LWR(-2)) + C(117)*D(LDP(-1)) + C(118)*D(LDP(-2)) +
C(119) + C(120)*LPOCAP
Observations: 38
R-squared
0.784362 Mean dependent var
0.048281
Adjusted R-squared
0.556743 S.D. dependent var
0.122042
S.E. of regression
0.081252 Sum squared resid
0.118835
Durbin-Watson stat
2.262940
Equation: D(LDP) = C(121)*( LY(-1) + 0.762037998613*LRR(-1) 1.13871832045*LWR(-1) + 0.112828768078*LDP(-1) 2.76285106684 ) + C(122)*( LCP(-1) + 0.757007414021*LRR(-1) 1.08370213484*LWR(-1) + 0.406686115001*LDP(-1) 2.60840102905 ) + C(123)*( LI(-1) + 0.166212560344*LRR(-1) 4.14333245389*LWR(-1) + 1.14845008674*LDP(-1) + 31.080622102 )
+ C(124)*( LG(-1) + 1.23787467551*LRR(-1) - 0.6732172672*LWR(-1)
- 0.139185611474*LDP(-1) - 8.26113622287 ) + C(125)*D(LY(-1)) +
C(126)*D(LY(-2)) + C(127)*D(LCP(-1)) + C(128)*D(LCP(-2)) + C(129)
*D(LI(-1)) + C(130)*D(LI(-2)) + C(131)*D(LG(-1)) + C(132)*D(LG(-2)) +
C(133)*D(LRR(-1)) + C(134)*D(LRR(-2)) + C(135)*D(LWR(-1)) +
C(136)*D(LWR(-2)) + C(137)*D(LDP(-1)) + C(138)*D(LDP(-2)) +
C(139) + C(140)*LPOCAP
Observations: 38
R-squared
0.641215 Mean dependent var
0.027536
Adjusted R-squared
0.262497 S.D. dependent var
0.036673
S.E. of regression
0.031494 Sum squared resid
0.017854
Durbin-Watson stat
2.463930
ANEXO 5 TEST de validación DEL VECM
403
AUTOCORRELACION
System Residual Portmanteau Tests for Autocorrelations
Null Hypothesis: no residual autocorrelations up to lag h
Date: 12/21/13 Time: 11:15
Sample: 1973 2010
Included observations: 38
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
49.44671
102.1402
162.8001
220.6945
264.1558
306.5076
345.7259
395.2835
438.1943
476.9058
527.4727
568.8174
0.4553
0.3673
0.1765
0.1090
0.1911
0.2960
0.4486
0.4440
0.5288
0.6557
0.6305
0.7075
50.78310
106.4040
172.2633
236.9688
287.0152
337.3080
385.3820
448.1550
504.3829
556.9200
628.0881
688.5150
0.4032
0.2639
0.0757
0.0242
0.0337
0.0416
0.0569
0.0262
0.0196
0.0193
0.0047
0.0026
49
98
147
196
245
294
343
392
441
490
539
588
*The test is valid only for lags larger than the System lag order.
df is degrees of freedom for (approximate) chi-square distribution
TEST DE NORMALIDAD
System Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
Null Hypothesis: residuals are multivariate normal
Date: 12/21/13 Time: 11:16
Sample: 1973 2010
Included observations: 38
Component
Skewness
Chi-sq
df
Prob.
1
2
3
4
5
6
7
0.134795
-0.839955
0.195176
0.572969
0.018567
0.346915
-0.016570
0.115074
4.468318
0.241260
2.079193
0.002183
0.762219
0.001739
1
1
1
1
1
1
1
0.7344
0.0345
0.6233
0.1493
0.9627
0.3826
0.9667
7.669987
7
0.3626
Joint
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
2.474884
3.828092
2.381930
2.893282
0.436599
1.085749
0.604850
0.018032
1
1
1
1
0.5088
0.2974
0.4367
0.8932
404
5
6
7
3.267527
3.421429
2.475091
Joint
0.113321
0.281204
0.436255
1
1
1
0.7364
0.5959
0.5089
2.976009
7
0.8872
Component
Jarque-Bera
df
Prob.
1
2
3
4
5
6
7
0.551673
5.554066
0.846110
2.097225
0.115504
1.043422
0.437993
2
2
2
2
2
2
2
0.7589
0.0622
0.6550
0.3504
0.9439
0.5935
0.8033
Joint
10.64600
14
0.7136
ERRRORES ESTIMADOS
D(LY) Residuals
D(LCP) Residuals
D(LI) Residuals
.06
.10
.2
.04
.05
.1
.00
.02
.0
-.05
.00
-.1
-.10
-.02
-.2
-.15
-.04
-.3
-.20
-.06
-.25
75
80
85
90
95
00
05
10
-.4
75
80
D(LG) Residuals
85
90
95
00
05
10
75
80
D(LRR) Residuals
.10
85
90
95
00
05
10
05
10
D(LWR) Residuals
.10
.15
.05
.10
.05
.00
.05
-.05
.00
.00
-.10
-.05
-.05
-.15
-.10
-.20
-.10
75
80
85
90
95
00
05
10
05
10
-.15
75
80
85
90
95
00
05
10
75
80
85
90
95
00
D(LDP) Residuals
.06
.04
.02
.00
-.02
-.04
-.06
75
80
85
90
95
00
405
ANEXO 6 TEST DE CAUSALIDAD DE GRANGER
Pairwise Granger Causality Tests
Date: 12/21/13 Time: 11:18
Sample: 1970 2010
Lags: 3
Null Hypothesis:
Obs
F-Statistic
Prob.
DLRR does not Granger Cause DLY
DLY does not Granger Cause DLRR
37
0.12522
5.44739
0.9445
0.0041
DLWR does not Granger Cause DLY
DLY does not Granger Cause DLWR
37
0.79122
2.06534
0.5084
0.1259
DLWR does not Granger Cause DLRR
DLRR does not Granger Cause DLWR
37
0.95600
0.46745
0.4262
0.7072
ANEXO 7. PRUEBA DE COEFICIENTES DE TERMINOS DE CORRECCION DE ERRORES EN VECM ESTIMADO
mecanismo PRODUCTO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
554.6963
Probability
1
0.0000
Value
Std. Err.
1.633979
0.069378
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.887 + C(3)
Restrictions are linear in coefficients.
MECANISMO DE CONSUMO PRIVADO
NO HAY COEFICIENTE SIGNIFICATIVO DE ESTE TERMINO DE CORRECCION DE ERRORES
MECANISMO DE INVERSION PRIVADA
Wald Test:
System: Untitled
Test Statistic
Value
df
Probability
406
Chi-square
9.08E-08
1
0.9998
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.253 + C(3)
-2.09E-05
0.069378
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
0.000316
Probability
1
0.9858
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.512 + C(43)
-0.004676
0.263193
Restrictions are linear in coefficients.
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
df
0.000316
Probability
1
0.9858
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.512 + C(43)
-0.004676
0.263193
Restrictions are linear in coefficients.
MECANISMO DE GASTO PÚBLICO
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
1.42E-06
df
Probability
1
0.9990
407
Null Hypothesis Summary:
Normalized Restriction (= 0)
0.722 + C(104)
Value
Std. Err.
0.000340
0.285099
Restrictions are linear in coefficients.
TODOS LOS COEFICIENTES NEGATIVOS
Wald Test:
System: Untitled
Test Statistic
Chi-square
Value
0.000652
df
Probability
5
1.0000
Value
Std. Err.
Null Hypothesis Summary:
Normalized Restriction (= 0)
1.887 + C(81)
0.253 + C(3)
1.512 + C(43)
3.221 + C(44)
0.722 + C(104)
-0.000516
-2.09E-05
-0.004676
-0.000136
0.000340
0.481942
0.069378
0.263193
0.504323
0.285099
Restrictions are linear in coefficients.
408