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