revistadeeconomíadecentroaméricay repúblicadominicana

Revista de Economía de Centroamérica yRepública Dominicana

http://www.secmca.org/recard

Consejo Monetario Centroamericano

Volumen I2020


Revista de Economía de Centroamérica y República Dominicana

http://www.secmca.org/recard/Volumen I, 2020

Índice general

Acerca de la RECARD iii

Consejo Editorial v

Invitación a autores vii

Artículos InvitadosIdentificando Presiones de Demanda y Oferta Internas en el Proceso Inflacionario de

Guatemala 1Juan Carlos Arriaza, Juan Carlos Castañeda, y Juan Catalán-Herrera

Un análisis de sensibilidad macroeconómica para Nicaragua: un enfoque bayesiano 29William Mendieta Alvarado

Política monetaria y choques de oferta 61Fadua Camacho y Joel González

Efectos Macroeconómicos de El Niño en Costa Rica 101Jorge León

Una aproximación a los multiplicadores del gasto público en El Salvador 131Pablo Amaya

Reformas Fiscales en EE.UU. y flujos de IED en Centroamérica y la República Domi-nicana 169Ariadne M. Checo y Francisco A. Ramírez

i

http://www.secmca.org/recard/

ii ÍNDICE GENERAL



Acerca de la RECARD

La Revista Económica de Centroamérica y República Dominicana (RECARD) es una publicacióneconómica anual, de acceso abierto del Consejo Monetario Centroamericano (CMCA). Su objetivoes promover y difundir el conocimiento económico en general, a partir de investigaciones inéditasrealizadas por los bancos centrales de la región o por investigadores externos, sobre temas depolítica económica de la región en general, o de los países miembros del CMCA en particular. Entrelos temas que se abordarán en la RECARD se encuentran:

• Macroeconomía

• Economía monetaria

• Estabilidad financiera

• Regulación y supervisión

• Intermediación financiera

• Finanzas y mercados de capitales

• Sistemas de pagos

• Políticas públicas

• Microeconomía

• Econometría y modelación

En este primer volumen de la RECARD se publican una serie de artículos invitados, seleccionados deentre las ponencias presentadas en años recientes en el Foro de Investigadores de Bancos Centrales,evento anual que se realiza desde 2007 y que reúne a investigadores de los bancos centrales de laRegión y a investigadores invitados. Todos los artículos contenidos en este volumen inaugural fueronsometidos a una revisión por parte de los integrantes del Consejo Editorial.

Esta revista se publica en formato electrónico en el sitio http://www.secmca.org/recard.

iii


www.secmca.org

http://www.secmca.org/recard/index.php/foro/index


iv ÍNDICE GENERAL



Consejo Editorial

El Consejo Editorial de la RECARD está integrado por un representante titular y un suplente, seleccio-nados de entre los funcionarios cuyas atribuciones estén vinculadas al área económica, designadospor el presidente o gobernador o por quien tenga la autoridad correspondiente, de cada BancoCentral miembro del Consejo Monetario Centroamericano.

Actualmente, los miembros titulares son:

Evelyn Muñoz Salas Banco Central de Costa RicaJuan José Martínez Cienfuegos (editor) Banco Central de Reserva de El Salvador

Johny Gramajo Marroquín Banco de GuatemalaElvis Teodoro Casco Alfaro Banco Central de HondurasMario Alberto Aráuz Torres Banco Central de Nicaragua

Francisco A. Ramírez de León Banco Central de la República Dominicana

El trabajo técnico de la RECARD es coordinado por Randall Romero Aguilar, quien es funcionariode la SECMCA.

v


vi ÍNDICE GENERAL



Invitación a autores(Call for papers)

El Consejo Editorial de la Revista Económica de Centroamérica y República Dominica (RECARD)invita a académicos e investigadores a presentar trabajos para su eventual publicación. La RECARDes una publicación anual y de acceso abierto del Consejo Monetario Centroamericano, cuyo obje-tivo es la promoción y divulgación del conocimiento económico sobre temas de política económicade la región en general, o de los países miembros del CMCA en particular. La RECARD publicainvestigaciones en los siguientes temas:(i) macroeconomía, (ii) economía monetaria, (iii) estabilidadfinanciera, (iv) regulación y supervisión, (v) intermediación financiera, (vi) finanzas y mercados decapitales, (vii) sistemas de pagos, (viii) políticas públicas, (ix) microeconomía, y (x) econometría ymodelación.

Los autores pueden someter a consideración de la revista artículos de investigación, artículos derevisión, y reportes de caso, tanto en español como en inglés. Los documentos deben remitirse através del portal de la revista en la página antes señalada. Los requisitos de publicación pueden con-sultarse en http://www.secmca.org/recard/docs/normas.pdf. La RECARD aplica un procesode evaluación por pares de carácter doble ciego con árbitros que garantiza la imparcialidad en lasevaluaciones de los documentos, y los trabajos aceptados son publicados en versión electrónica enla página http://www.secmca.org/recard, sin cobro para los lectores ni para los autores (accesoabierto).

En caso de consultas o de necesitar soporte técnico, puede contactarnos en [email protected].

vii


http://www.secmca.org/recard/docs/normas.pdf


mailto:[email protected]

viii ÍNDICE GENERAL

Revista de Economía de Centroamérica y República Dominicanahttp://www.secmca.org/recard/

Volumen I, 2020

Identificando Presiones de Demanda yOferta Internas en el ProcesoInflacionario de GuatemalaJuan Carlos Arriaza1Juan Carlos Castañeda2Juan Catalán-Herrera3

ResumenEn este documento se busca evidencia empírica sobre la importancia relativa que tienen los factoresde demanda respecto a los factores de oferta, en la determinación de las fluctuaciones del nivelgeneral de precios en la economía guatemalteca. La estrategia de identificación utiliza la noción deque las presiones de demanda interna y de oferta interna pueden distinguirse entre sí por la direcciónde los efectos respectivos sobre los vectores de precios y cantidades. Se estiman econométricamentelos principales determinantes de la oferta y de la demanda internas, utilizando una muestra trimestralde 2005Q2 a 2017Q4, para luego encontrar sus contribuciones relativas sobre la tasa de inflación.Los resultados sugieren que la metodología propuesta puede ser una herramienta útil para distinguirel origen de las presiones inflacionarias, las cuales, para el caso de Guatemala, parecen estarequilibradas en años recientes, manteniendo la inflación cerca de su valor meta.

Clasificación JEL: E01, E31, E50.Palabras clave: Nivel de precios, inflación, política monetaria, Guatemala.

1 Introducción

El estudio empírico del fenómeno inflacionario está siempre en el centro de atención de quienesconducen la política monetaria, algunas veces por la incertidumbre inherente a la medición del fe-nómeno, y otras veces por la dificultad de identificación de las fuentes de variación en la inflaciónobservada. Ambas razones están estrechamente ligadas a la buena conducción de la política mo-netaria. Por un lado, sin una buena buena medición del fenómeno inflacionario, es difícil distinguirentre fuentes persistentes de presiones inflacionarias y fluctuaciones temporales o transitorias en latasa de inflación; y, por otro lado, si no se distingue el origen de las presiones inflacionarias, según

1Analista, Dpto. de Investigaciones Económicas, Banco de Guatemala. Email:[email protected], Dpto. de Investigaciones Económicas, Banco de Guatemala. Email:[email protected] para correspondencia. Dpto. de Investigaciones Económicas, Banco de Guatemala. 7 Ave. 22-01 zona 1,

Guatemala Ciudad. Email:[email protected]; Tel:+(502) 2429-6000x3653.

1





Juan Carlos Arriaza, Juan Carlos Castañeda, y Juan Catalán-Herrera

si estas son presiones de oferta o presiones de demanda, difícilmente se podrá elegir el mejor cursode acción de la política monetaria. A pesar de que ambas razones son importantes, el presentedocumento se centra en la segunda; es decir, en encontrar una metodología que permita distin-guir entre las presiones inflacionarias que se originan en desplazamientos de la demanda interna yaquellas que provienen de desplazamientos de la oferta interna.

Particularmente, se busca evidencia empírica sobre la importancia relativa que tienen los factores dedemanda respecto a los factores de oferta, en la determinación de las fluctuaciones del nivel generalde precios en la economía guatemalteca, medido a través del índice de Precios al Consumidor−IPC.También se presenta una estrategia metodológica para identificar la fuente de dichas presiones y seestudia la incidencia de los choques estructurales en la integración del nivel observado de la tasade inflación y en la descomposición de varianza de dicha serie macroeconómica. Tanto la identifi-cación de choques estructurales como la descomposición de varianza se llevan a cabo utilizandoun análisis de vectores autoregresivos−VAR.

La propuesta metodológica consiste en identificar variables que puedan ser clasificadas a priori co-mo variables que desplazan la oferta interna o como variables que desplazan la demanda interna.La selección de estas variables se lleva a cabo tomando en cuenta los efectos de las mismas sobre ladupla de precio y cantidad en el mercado interno. Específicamente, se clasifica una variable como‘desplazadora’ de la oferta (supply shifter) si un choque a dicha variable produce efectos contrariossobre inflación (precio) y demanda interna (cantidad); por ejemplo, un choque a una variable ca-talogada como desplazadora de la oferta que produzca una contracción de la misma, genera unarespuesta positiva en la inflación y negativa en el producto (aproximado por la demanda interna).Si los efectos son en el mismo sentido, es decir, tanto precio como cantidad responden en la mis-ma dirección, ante un choque a determinada variable, ésta será considerada como ‘desplazadora’de la demanda (demand shifter). Luego de seleccionar a las variables cuyos efectos netos puedencatalogarse como de ‘oferta’ o ‘demanda’, se resumen los datos estimando un modelo VAR multi-variado de forma reducida, el cual incluye a la demanda interna y la tasa de inflación, en adicióna las variables de ‘oferta’ y ‘demanda’ (en el sentido descrito), y otras variables que contribuyen ala correcta estimación del VAR (es decir, la estimación de un modelo VAR que cumple con todaslas propiedades econométricas deseables). Posteriormente, se identifican los choques estructuralesa través de diagonalizar la matriz de varianzas y covarianzas de los residuos del VAR de forma re-ducida, recuperando así choques estructurales no correlacionados.

De la cuidadosa selección inicial de las variables, se puede esperar que los choques a dichas va-riables aproximen desplazamientos de la demanda o de la oferta y, por lo tanto, de la combinaciónaditiva de los efectos de los choques de las variables de oferta por un lado, y de los de demandapor otro, se puede obtener información sobre si las variaciones de la inflación provienen de fuerzasque desplazan la oferta o fuerzas que desplazan la demanda. Este procedimiento tiene la ventajapráctica de que no identifica choques de oferta o de demanda ‘anónimos’; al extraer los choques devariables observables, es posible interpretar la evolución histórica de la inflación en términos de lacontribución que tienen los choques estructurales de otras variables observables sobre la dinámicade la inflación. Esto permite integrar o reconstruir el dato de inflación en términos de la contribuciónde choques estructurales de variables observables, que los conductores de la política conocen ytienen en mente, en lugar de choques estructurales acerca de los cuales no se tiene referencia de

2 RECARD, volumen I, 2020

Identificando Presiones de Demanda y Oferta Internas en el Proceso Inflacionario de Guatemala

cómo deberían comportarse. Esto contribuye enormemente a la comunicación y comprensión de losresultados.

Siguiendo esta metodología, se caracterizaron las series de inflación y de demanda interna de laeconomía guatemalteca con una muestra de datos trimestrales que se extiende desde 2005Q1 hasta2017Q4. Durante el periodo muestral, la serie de inflación ha estado sujeta a choques de distintosorígenes, fluctuando alrededor de una media del 5.26%; durante la sub-muestra posterior a la crisisfinanciera internacional (i.e. 201Q1-2017Q4), ésta ha fluctuado muy cerca de la meta fijada por elbanco central (4 ± 1%), registrando una media muestral de 4.10%. La inflación más alta que se re-gistró durante el período muestral (13.56%) corresponde al segundo trimestre de 2008, influenciadaprincipalmente, por el comportamiento en el precio internacional del petróleo y de sus derivados,así como a los incrementos registrados en el precio internacional de algunos granos, especialmentedel maíz y del trigo. Del otro lado del espectro, la menor tasa de variación interanual de los precios(−0.28%) se registró en el último trimestre de 2009, cuando se materializaron los efectos negativosde la crisis financiera internacional.

El resto del documento está organizado de la siguiente manera. En la sección 2 se presenta unabreve revisión de la literatura, en la sección 3 se describen los aspectos metodológicos, en la sección4 se presenta la estimación del modelo VAR, en la sección 5 se discuten los principales resultadosy, en la sección 6 se entregan algunas consideraciones finales.

2 Revisión de la literatura

Existe un conjunto extenso de documentos de investigación que específicamente utilizan modelosde Vectores Autoregresivos Estructurales (SVAR) para la identificación de choques ortogonales noobservables y que permiten examinar el efecto que tienen estos choques sobre series de datos ob-servables. Notablemente, Blanchard y Quah (1989b) utilizan un SVAR bivariado compuesto por latasa de crecimiento real del producto y la tasa de desempleo para encontrar los componentes tem-porales y permanentes del producto en la economía estadounidense. En su investigación seminal,dichos autores utilizan dos supuestos básicos de identificación: el primero es que el choque de de-manda no tiene efectos de largo plazo sobre el producto y el segundo es que la matriz de varianzasy covarianzas de los choques estructurales es una matriz diagonal, es decir, los choques estructu-rales no están correlacionados entre sí. La evidencia empírica que presentan sugiere que más delochenta por ciento de la variabilidad del producto (en el corto plazo) se explica por shocks de de-manda. A partir de este trabajo, surgió un gran número de aplicaciones siguiendo su metodología.4

La mayoría de estas aplicaciones utilizan restricciones paramétricas e imponen varias restriccionesde identificación sobre la matriz de covarianzas de los choques estructurales.

Una variante de Blanchard y Quah (ibíd.) la proponen Cover, Enders y Hueng (2006) utilizando unsistema de ecuaciones (à la Lucas Jr 1972), en el cual incluyen una ecuación de demanda agregaday otra de oferta agregada. Estiman un modelo SVAR sustituyendo la serie de desempleo (que utilizan

4Algunas aplicaciones más recientes son, por ejemplo, Bashar 2011, 2012; Cover, Enders y Hueng 2006; Gali 1999;Mendieta-Muñoz y col. 2018; Mio y col. 2002 entre muchos otros.

RECARD, volumen I, 2020 3


Blanchard y Quah 1989b) por una serie de inflación, y aplican un método de descomposición enel cual la covarianza de los choques de oferta y de demanda es distinta de cero, es decir, permitencierta correlación entre los choques estructurales. El principal argumento que evocan para permitirtal correlación, es que, quienes formulan la política económica, toman en cuenta las realizacionespresentes y pasadas de los choques al momento de tomar decisiones de política. Utilizando estoscriterios, encuentran que existe una correlación del 54% entre los choques de demanda y oferta enel largo plazo, y una correlación del 70% entre estos mismos choques en el corto plazo; con lo quejustifican sus supuestos. Con un modelo muy parecido al recién descrito, Enders y Hurn 2007 llevana cabo una estimación para Australia, agregando en la ecuación de oferta agregada, un choquede oferta externa que corresponde a una economía extranjera (asumiendo que Australia es unaeconomía pequeña y abierta). Estos autores documentan una correlación de 73% entre los choquesde oferta y demanda agregadas.

La ortogonalidad de los choques estructurales es la clave fundamental de la identificación, es loque permite encontrar las verdaderas fuentes de variación. Sin embargo, imponer restricciones adi-cionales a la matriz de varianzas y covarianzas (aunque representen una excelente estrategia deidentificación) tiene al menos dos inconvenientes prácticos: i) la descomposición de choques es-tructurales no es neutral ni robusta a los supuestos de identificación que se utilicen y, ii) dado quelos choques estructurales son no observables, es difícil persuadir, a quienes conducen la políticamonetaria, afirmando que el conjunto de restricciones adicionales que se impondrán son las quecorrectamente identifican las fuentes de variación. Ambos puntos se revisten de importancia prag-mática, cuando la finalidad de la descomposición de choques es poder entregar recomendacionesde política creíbles y transmitir de forma convincente cuales son las fuentes de variación de algunaserie macroeconómica en particular.

Por lo cual, en el presente documento se adopta un enfoque mucho más pragmático y cercano, encierto sentido, a un subconjunto de la literatura en la que la identificación de los choques estructu-rales se lleva a cabo a través de la restricción de signos sobre las funciones de impulso-respuesta.Por ejemplo, Fry y Pagan (2011a) estiman dos modelos SVAR con restricción de signos, el primero esun modelo de oferta y demanda para un mercado en equilibrio parcial y el segundo es un modelomacroeconómico de pequeña escala. En ambos modelos se utilizan matrices de rotación de ‘Gi-vens’ para construir matrices ortogonales para identificar y distinguir los choques que provienen dellado de la demanda de aquellos que tienen su origen en la oferta. Los autores eligen las funcionesde impulso respuesta que cumplen con los signos que identifican un choque de demanda (aquellasque generan una respuesta en el mismo sentido de los precios y las cantidades) y los que identificanun choque de oferta (respuesta de precios y cantidades en sentidos opuestos). El modelo macro-económico, en adición a las series de precios y producto (cantidades), incluye la tasa de interésde política. Los autores concluyen que las restricciones de signos es una estrategia útil para iden-tificar múltiples choques en una análisis cuantitativo. De forma similar, Ouliaris, Pagan y Restrepo(2015) estimaron los mismos dos modelos con dos metodologías distintas. En la primera, generaronun gran número de choques no correlacionados, con los cuales generaron un número igualmentegrande de funciones de impulso-respuesta para retener únicamente aquellas que cumplieran con elpatrón o restricción de signos. En el segundo método, restringieron algunos elementos de la matrizde varianzas y covarianzas y los hacían variar de forma aleatoria para simular un conjunto ampliode funciones de impulso-respuesta. Los resultados fueron similares independientemente del método.



Finalmente, Pagliacci (2016) estimó un modelo SVAR con restricciones de signos utilizando datos deArgentina, Brasil, Chile, Colombia, México, Perú, Estados Unidos y Venezuela. Su principal contri-bución es calcular la descomposición histórica del crecimiento de la producción para cada tipo dechoque (demanda y oferta) y proponer dos indicadores nuevos que podrían guiar las intervencionesde la política monetaria, basados en los efectos dinámicos de las realizaciones de un choque es-tructural sobre precios y producto. Los hallazgos muestran que la proporción de la variación de laproducción explicada por los choques de oferta en el corto plazo es sustancial (más del 50%) paracinco de los ocho países de la muestra. También encuentran que los choques de oferta explican unaparte importante de la variación de la inflación en el corto y largo plazo.5

3 Metodología

En esta sección se presenta detalladamente la metodología propuesta para determinar el origen delas presiones inflacionarias en la economía guatemalteca. En pocos pasos, la metodología es lasiguiente: i) Se seleccionan variables que puedan catalogarse como ‘desplazadoras’ de oferta o dedemanda; ii) Se formula y estima un modelo VAR multivariado y se recuperan los choques estructu-rales (no correlacionados); iii) Se calcula la representación de medias móviles vectoriales−VMA (porsus siglas en inglés) del modelo SVAR; iv) Se integran las series de inflación y de demanda interna;v) Se agrega la contribución de los choques de cada variable, según si fue catalogada como de‘oferta’ o ‘demanda’; vi) Se estima la descomposición de varianza.

3.1 Selección de variables ‘desplazadoras’ de oferta o demanda

Analogía con el análisis de equilibrio parcial

La idea de variables que desplazan las curvas de oferta o demanda internas surge de una analogíacon el análisis de equilibrio parcial. Supongamos que existen 𝑇 mercados aislados en el tiempoe indexados por 𝑡 = 1,… , 𝑇 . Para cada mercado 𝑡, sea 𝑝𝑡 el precio de una canasta que reúnelos bienes y servicios existentes en la economía; 𝑦𝑡 la cantidad de estos bienes y servicios y 𝑥𝑡 unvector de variables que conjuntamente caracterizan el mercado. Para cada mercado 𝑡, la función dedemanda interna 𝑦𝑑

𝑡 (⋅) describe la cantidad de bienes y servicios que los consumidores, quienes seasumen tomadores de precios, están dispuestos a adquirir; la oferta interna 𝑦𝑠

𝑡 (⋅) describe la canti-dad de bienes y servicios que las firmas (también tomadoras de precios) están dispuestas a llevar almercado interno, ambas en función del precio 𝑝𝑡.

Se asume que, al despejarse los mercados internos, la transacción registrada (𝑝𝑡, 𝑦𝑡) es un resultadode equilibrio. En otras palabras, para todos los mercados 𝑡, el precio 𝑝𝑡 se establece a manera deigualar la demanda y oferta internas:

𝑦𝑑𝑡 (𝑝𝑡; 𝑥𝑡) = 𝑦𝑠

𝑡 (𝑝𝑡; 𝑥𝑡) = 𝑦𝑡 (1)

5Ver también Canova y De Nicolo (2002), Mountford (2005) y Scholl y Uhlig (2008).



Para cada mercado 𝑡, lo único que es observable (y de lo cual se lleva registro) es el precio deequilibrio 𝑝𝑡 y de la cantidad de equilibrio 𝑦𝑡. No podemos observar directamente la función dedemanda 𝑦𝑑

𝑡 (𝑝𝑡; 𝑥𝑡) o la función de oferta 𝑦𝑠𝑡 (𝑝𝑡; 𝑥𝑡), simplemente se observan las transacciones de

equilibrio y las otras variables que contribuyen a la caracterización del mercado 𝑥𝑡. El problema quesurge al intentar identificar estas funciones, a partir de las transacciones de equilibrio, es el problemade simultaneidad; tanto los precios como las cantidades observadas se determinan endógenamentedentro del sistema de oferta y demanda.

Una descripción estructural de este modelo simple de oferta y demanda sería:

demanda interna: 𝑦𝑑𝑡 (𝑝𝑡; 𝑥𝑡) = 𝛾𝑑

𝑝 𝑝𝑡 + 𝑥′𝑡 𝛾𝑑

𝑥 + 𝑢𝑑𝑡

oferta interna: 𝑦𝑠𝑡 (𝑝𝑡; 𝑥𝑡) = 𝛾𝑠

𝑝 𝑝𝑡 + 𝑥′𝑡 𝛾𝑠

𝑥 + 𝑢𝑠𝑡

equilibrio: 𝑦𝑑𝑡 (𝑝𝑡; 𝑥𝑡) = 𝑦𝑠

𝑡 (𝑝𝑡; 𝑥𝑡) = 𝑦𝑡

Lo cual se puede simplificar,

demanda: 𝑦𝑡 = 𝛾𝑑𝑝 𝑝𝑡 + 𝑥′

𝑡 𝛾𝑑𝑥 + 𝑢𝑑

𝑡 (2)

oferta: 𝑦𝑡 = 𝛾𝑠𝑝 𝑝𝑡 + 𝑥′

𝑡 𝛾𝑠𝑥 + 𝑢𝑠

𝑡 (3)

Podemos resolver las ecuaciones estructurales (eqs. 2 y 3) respecto de 𝑝𝑡 y 𝑦𝑡, para obtener la formareducida del sistema:

𝑝𝑡 = 𝑥′𝑡 𝛽𝑝

𝑥 + 𝜀𝑝𝑡 (4)

𝑦𝑡 = 𝑥′𝑡 𝛽𝑦

𝑥 + 𝜀𝑦𝑡 (5)

donde, 𝛽𝑝𝑥 = (𝛾𝑠

𝑥−𝛾𝑑𝑥)/(𝛾𝑑

𝑝−𝛾𝑠𝑝); 𝛽𝑦

𝑥 = 𝛾𝑠𝑝 𝛽𝑝

𝑥; 𝜀𝑝𝑡 = (𝑢𝑠

𝑡−𝑢𝑑𝑡 )/(𝛾𝑑

𝑝−𝛾𝑠𝑝) y 𝜀𝑦

𝑡 = 𝛾𝑠𝑝 𝜀𝑝

𝑡 .

Si las ecuaciones anteriores se estiman por separado, no será posible obtener estimadores eficienteso consistentes de los parámetros estructurales, puesto que existe un problema de identificación, da-do que tanto el precio como la cantidad de equilibrio se determinan simultáneamente. Sin embargo,para distinguir las presiones inflacionarias que provienen de factores que afectan la oferta y factoresque afectan a la demanda, no es estrictamente necesario recobrar los parámetros estructurales;bastaría con estimar correctamente la variación explicada del proceso inflacionario por cada factor,según si éste afecta a la oferta o a la demanda.

Se asume que el vector de variables explicativas 𝑥𝑡 puede separarse en tres componentes:

𝑥′𝑡 = [𝑥𝑑

𝑡 𝑥𝑠𝑡 𝑥𝑐

𝑡 ] ,

donde, 𝑥𝑑𝑡 son variables que desplazan a la curva de demanda interna pero no la curva de oferta

interna; 𝑥𝑠𝑡 son variables que desplazan a la curva de oferta interna pero no la curva de demanda

interna; 𝑥𝑐𝑡 son variables de control sobre factores que podrían afectar tanto a la demanda como a

la oferta. Expandiendo 𝑥𝑡 en el sistema descrito por las ecs.(4 y 5) tenemos:

𝑝𝑡 = (𝑥𝑑𝑡 )

′ 𝛽𝑝𝑥,𝑑 + (𝑥𝑠

𝑡 )′ 𝛽𝑝

𝑥,𝑠 + (𝑥𝑐𝑡)

′ 𝛽𝑝𝑥,𝑐 + 𝜀𝑝

𝑡 (6)

𝑦𝑡 = (𝑥𝑑𝑡 )

′ 𝛽𝑦𝑥,𝑑 + (𝑥𝑠

𝑡 )′ 𝛽𝑦

𝑥,𝑠 + (𝑥𝑐𝑡)

′ 𝛽𝑦𝑥,𝑐 + 𝜀𝑦

𝑡 (7)



Las ecuaciones anteriores podrian estimarse por separado a través de mínimos cuadrados ordinarios,sin embargo, los residuales 𝜀𝑝

𝑡 están correlacionados con 𝜀𝑦𝑡 y dejar de considerar esta relación

podría afectar los efectos marginales estimados. Por otro lado, muchas de las consecuencias quepodrían surgir de un desplazamiento de la oferta y/o de la demanda tendrían efectos diferidos enel tiempo, por lo cual, para esta aplicación, no nos interesa estimar un modelo estático (como eldescrito por las ecs. 4 y 5) en donde se capturaran únicamente efectos promedio, sino que nosinteresa estudiar los efectos dinámicos de estas variables que desplazan a la oferta y a la demanda.Es por esta razón que se recurre al planteamiento de un modelo de vectores autoregresivos, puestoque este controla por la posible correlación de los residuos y nos permite llevar a cabo un análisisdinámico. No obstante, esta analogía con el equilibrio de un mercado parcial es útil puesto queclarifica lo que se debe entender por variables que desplazan a la oferta y variables que desplazana la demanda:

• Variables que desplazan a la demanda interna: Inducen un movimiento en el mismosentido en precios y cantidades.

• Variables que desplazan a la oferta interna: inducen en precios y cantidades, una reacciónen sentido contrario.

Definición de oferta y demanda internas

La definición que se utiliza para la oferta y demanda internas, la obtenemos partiendo de la identidadde la contabilidad nacional:

𝑌𝑡 = 𝐶𝑡 + 𝐺𝑡 + 𝐼𝑡 + 𝑋𝑡 − 𝑀𝑡,y definimos la demanda interna como:

𝐷𝐼𝑡 = 𝐶𝑡 + 𝐺𝑡 + 𝐼𝑡,

y la oferta interna como:𝑂𝐼𝑡 = 𝑌𝑡 + 𝑀𝑡 − 𝑋𝑡

En equilibrio, lo que observamos sería:

𝑦𝑡 = 𝑂𝐼𝑡 = 𝐷𝐼𝑡

Se utiliza la demanda interna como medida de cantidades en lugar del producto interno bruto (PIB,que podría ser el candidato natural) puesto que la demanda interna, al igual que la inflación, esmás afectada por los precios de las importaciones, y menos afectada por los precios de las expor-taciones, que el PIB.

Selección de variables ‘desplazadoras’

Para detectar variables que desplazan a la oferta y demanda internas, se estimaron varios mode-los VAR de tres ecuaciones, en donde el candidato a variable ‘desplazadora’ ocupa el lugar de lavariable más exógena, en una estructura causal recursiva (u ordenamiento de Wold 1951), con elcual se analizan las respuestas de las series de inflación y demanda interna, ante un choque de la



variable más exógena.

Si la respuesta promedio de la inflación y el producto es positiva para ambas, respecto a un choquepositivo de la variable candidato, se considera probable que los choques a dicha variable podríandesplazar la curva de demanda y puede utilizarse en el VAR multivariado del cual se extraerán loschoques estructurales. Por ejemplo, intuitivamente se puede pensar que el precio internacional delpetróleo 𝑦𝑝𝑒𝑡 es una variable que potencialmente podría desplazar la curva de oferta; es decir, unaumento en los precios del petróleo podría contraer la oferta interna (al aumentar los costos), locual a su vez, implicaría un aumento de la inflación 𝑦𝜋 y una contracción en el producto 𝑦𝑑𝑖. Estadinámica es la que se espera encontrar en las funciones de impulso respuesta de estos modelos VARpreliminares. La especificación de este ejemplo sería:

𝑦𝑝𝑒𝑡𝑡 = 𝛽1,1𝑦𝑝𝑒𝑡

𝑡−1 + 𝛽1,2𝑦𝑑𝑖𝑡−1 + 𝛽1,3𝑦𝜋

𝑡−1 + 𝜀𝑦𝑝𝑒𝑡,𝑡

𝑦𝑑𝑖𝑡 = 𝛽2,1𝑦𝑝𝑒𝑡

𝑡−1 + 𝛽2,2𝑦𝑑𝑖𝑡−1 + 𝛽2,3𝑦𝜋

𝑡−1 + 𝜀𝑦𝑑𝑖,𝑡

𝑦𝜋𝑡 = 𝛽3,1𝑦𝑝𝑒𝑡

𝑡−1 + 𝛽3,2𝑦𝑑𝑖𝑡−1 + 𝛽3,3𝑦𝜋

𝑡−1 + 𝜀𝑦𝜋,𝑡

Utilizando series de las variaciones interanuales de cada variable y el ordenamiento de Wold (1951),generamos la funciones impulso respuesta:

Figura 1: Impulso-precio del petróleo; Respuesta-demanda interna e inflación

En la Figura 1 podemos observar que la respuesta de la demanda interna (centro) es negativa entérminos generales o en promedio, mientras la respuesta de la medida de inflación (derecha) esclaramente positiva. Es decir, un choque positivo en el precio del petróleo genera la respuesta enprecios y cantidades, que se observa en una contracción de la curva de oferta, y por lo tanto, po-demos clasificarla como una variable que desplaza a la oferta. Si por el contrario, la dinámica quese observa es en el mismo sentido, en precio y cantidad, la variable se clasifica como desplazadorade la demanda.

Este proceso se llevó a cabo con un conjunto amplio de variables, del cual se seleccionó un sub-conjunto de quince, clasificadas entre variables de oferta y demanda, las cuales cumplían con el



análisis de impulso-respuesta descrito en esta sección, es decir, aquellas que fue posible clasificarcomo de oferta o como de demanda.6

Luego, por la longitud de las series temporales, es necesario elegir el modelo más parsimoniosoposible, pero uno que aún contemple las fuentes de variación relevantes. Por lo tanto, del subgrupode quince variables clasificadas como de oferta o de demanda, se seleccionaron ocho variablesfinales de la forma siguiente: Primero, se clasifican las variable en cuatro grupos con característicassimilares, i) remesas, ii) inversión, iii) índice de importaciones y iv) enérgeticos. En el primer grupo,se consideran las remesas tanto en dólares como en quetzales. En el segundo grupo, se tiene elcrédito al sector privado, las líneas de crédito del exterior, y la formación bruta de capital. En eltercer grupo, se incluye al deflactor implícito de las importaciones, el índice de precios de impor-taciones de Estados Unidos, el índice de precios de exportaciones de Estados Unidos, y el índicede precios ponderado de exportaciones e importaciones de los Estados Unidos.7 Finalmente, enel cuarto grupo, se incluyen los precios del petróleo, precios del diesel, precios del gas propano,precios de gasolina regular y superior, e índice de electricidad. Segundo, se estiman varios modelosVAR de ocho variables, manteniendo en cada uno de ellos cuatro variables: la demanda interna, elíndice de precios al consumidor, el índice de precio de electricidad, y el tipo de cambio nominal, yse alterna el uso de las demás variables, para lo cual, se incluye una variable por cada uno de loscuatro grupos descritos anteriormente, en cada una de las estimaciones.

Para la elección final de las ocho variables a utilizar en el modelo VAR, dado que se considera quelas variables dentro de cada grupo conlleva información similar, se escogen las combinaciones quepermiten estimar un modelo VAR con las mejores propiedades estadísticas. Es decir, un modelo VARestable, con residuos normales, homocedásticos, y sin rastro de heterocedasticidad.

3.2 Descripción del modelo VAR multivariado

Modelo VAR de forma reducida

Se estima un modelo VAR multivariado de forma reducida, en el que se incluyen variables quepotencialmente pueden desplazar las curvas de oferta y demanda, y una medida de cantidades (lademanda interna) y otra de precios (la variación interanual del IPC). Se elije el mejor modelo, enel sentido de que este cumpla con las propiedades estadísticas requeridas para hacer inferencia:estabilidad, normalidad, ausencia de autocorrelación, y homocedasticidad de los errores. Siguiendola exposición de Hamilton (1994), la especificación general de un VAR de orden 𝑝, expresado comoun VAR(1), sería:

𝜉𝑡 = F𝜉𝑡−1 + 𝜀𝑡 (8)

donde

𝐸(𝜀𝑡𝜀′𝜏) = {Q para 𝑡 = 𝜏

0 en cualquier otro caso

6Ver listado de las quince variables iniciales en Tabla 5 del apéndice 2.7El índice de precios de exportaciones e importaciones de los Estados Unidos se pondera por los flujos de comercio

exterior de Guatemala.



y,

Q =⎡⎢⎢⎣

Ω 0 ⋯ 00 0 ⋯ 0⋮ ⋮ ⋯ ⋮0 0 ⋯ 0

⎤⎥⎥⎦

Donde 𝜉𝑡 es un vector de matrices que contienen los datos sin media,8 F es una matriz de coefi-

cientes y Ω es la matriz de varianzas y covarianzas de los residuos. Se estima el modelo de la ec.(8)por medio de OLS, y se recuperan las series de errores residuales 𝜀𝑡 y la matriz Ω.

Innovaciones estructurales: modelo SVAR

El único requerimiento impuesto sobre las innovaciones que serán consideradas como ‘estructu-rales’ es que éstas no estén correlacionadas entre sí. Para imponer esta característica sobre losresiduos recuperados de la estimación de la forma reducida del VAR, encontramos una matriz Hque diagonalice la matriz Ω (la matriz de varianzas y covarianzas de los residuos 𝜀𝑡):

HΩH′ = D

donde D es una matriz diagonal. Por consiguiente, utilizando los residuos y la matriz H podemosrecuperar los choques estructurales u𝑡:

u𝑡 = H𝜀𝑡 (9)

Satisfaciendo la propiedad de ortogonalidad,

E (u𝑡u′𝑡) = E (H𝜀𝑡𝜀′

𝑡H′) = D

Representación de promedios móviles-VMA del modelo SVAR

Dado que los choques estructurales no son observables, y muchas veces de difícil interpretación, secalcula la representación de medias móviles vectoriales (VMA) exacta para las innovaciones funda-mentales o estructurales, con el fin de contabilizar la contribución de cada choque estructural en laintegración del dato de inflación y de demanda interna.

Iterando recursivamente un modelo VAR estacionario, es posible encontrar su representación exactade promedios móviles:

y𝑡+𝑠 = 𝜇 + 𝜀𝑡+𝑠 + Ψ1𝜀𝑡+𝑠−1 + Ψ2𝜀𝑡+𝑠−2 + ⋯ + Ψ𝑠−1𝜀𝑡+1 + ⋯F(𝑠)

11 (y𝑡 − 𝜇) + F(𝑠)12 (y𝑡 − 𝜇) + ⋯ + F(𝑠)

1𝑝 (y𝑡−𝑝+1 − 𝜇) (10)

8En el tratamiento de uso general, las series de datos que se incluyen en 𝜉𝑡 son netos de su valor de estado estacionario,en la nomenclatura de Hamilton (1994), esto equivale a restar de las series de datos el valor esperado incondicional 𝜇 =(I𝑛 − Φ1 − Φ2 − ⋯ − Φ𝑝)−1 𝑐; sin embargo, dado que la muestra con la que posteriormente se trabaja es relativamentecorta, hace más sentido restar la media muestral.



Donde Ψ𝑗 = 𝐹 (𝑗)11 es el bloque superior izquierdo de F

𝑗, i.e. matriz de coeficientes F elevada a lapotencia 𝑗. Utilizando la ec.(10) y la definición de las innovaciones estructurales (eq.9), encontramosla representación VMA exacta para las innovaciones fundamentales u𝑡:

y𝑡+𝑠 = 𝜇 + 𝑢𝑡+𝑠 + J1𝑢𝑡+𝑠−1 + J2𝑢𝑡+𝑠−2 + ⋯ + J𝑠−1𝑢𝑡+1 + ⋯F(𝑠)

11 (y𝑡 − 𝜇) + F(𝑠)12 (y𝑡 − 𝜇) + ⋯ + F(𝑠)

1𝑝 (y𝑡−𝑝+1 − 𝜇) (11)

donde J𝑠 ≡ Ψ𝑠𝐻−1 contiene las contribuciones (o ponderaciones) de cada innovación estructuralpara integrar el nivel de las series contenidas en la matriz y𝑡.

Por medio de una rutina en Matlab®, y llevando un cuidadoso recuento de la contribución porvariable en cada J𝑡 y cada u𝑡, por cada período de la muestra, es posible reconstruir las seriesobservadas en función de la contribución de cada innovación estructural sobre la variable que sedesea reconstruir y de las condiciones iniciales de todas las variables.

Por consiguiente, es posible observar, en cada momento del tiempo, no solo la innovación estruc-tural que se identifica para determinada serie observable, sino que también la contribución que lasinnovaciones estructurales, de las otras variables en el modelo, ejercen sobre ella. Este procedi-miento podría pensarse, de forma simplista, como uno de traducción, en donde las innovacionesestructurales, que son no observables y de difícil comprensión, se traducen a contribuciones aso-ciadas a variables observables que permiten una interpretación muy directa y comprensible de lasinnovaciones estructurales; lo cual representa una ventaja muy grande al momento de comunicarresultados o hacer recomendaciones de política.

Sin embargo, aunque es posible calcular la contribución de cada innovación estructural sobre cadauna de las series observables, su interpretación debe hacerse con cautela, puesto que el modelo,aunque tenga un buen ajuste a los datos observados (con residuos pequeños, lo cual es indiciode una buena especificación), no deja de ser una aproximación simplificada e imperfecta de larealidad, como cualquier modelo, y por lo tanto no puede descartarse que en él hayan variablesomitidas. Con muy alta probabilidad, puede haber variables que no se incluyeron en el modelo yque influyen en su dinámica. Para enfrentar este problema, se propone agregar las contribucionesde las innovaciones atribuidas a las variables de oferta y a las de demanda, respectivamente, y hacerun análisis de las presiones de demanda y de oferta de forma agregada. Más adelante cuando sepresentan los resultados se explica con más detalle esta agregación y se indica por qué es útil paramoderar la incidencia de posibles variables omitidas en el modelo.

4 Estimación del modelo VAR

Siguiendo la metodología descrita en la sección anterior, se eligió un modelo VAR de ocho variablesy dos rezagos (según los criterios de información tradicionales). De las ocho variables, dos son dedemanda, tres son de oferta y una no es de demanda o de oferta pero ayuda a que el VAR posealas propiedades econométricas deseadas. A estas seis variables se añaden la variación interanualde la demanda interna como medida de cantidad y la variación interanual del IPC como medida deprecios. Se utilizaron datos trimestrales, con una muestra comprendida entre 2005Q1 y 2017Q4.



Todas las variables entran al modelo VAR como variaciones interanuales y las pruebas de raíz uni-taria confirman que son todas estacionarias. Las variables son las siguientes:

Cuadro 1: Variables que se incluyen en el VARVariables de demanda Fuente

𝑦𝑟𝑒𝑚𝑡 : Variación interanual de la suma móvil de 12 meses de remesas en quetzales Banco de Guatemala

𝑦𝑐𝑟𝑒𝑑𝑡 : Variación interanual de media móvil de cuatro trimestres del crédito al sector privado Banco de Guatemala

Variables de oferta Fuente𝑦𝑖𝑚𝑝𝑜𝑟

𝑡 : Variación interanual del deflactor implícito de las importaciones Banco de Guatemala𝑦𝑝𝑒𝑡

𝑡 : Variación interanual de los precios del petróleo Departamento de Energia de Estados Unidos𝑦𝑒

𝑡 : Variación interanual del índice de precio de electricidad Instituto Nacional de EstadísticaVariable de control Fuente

𝑦𝑣_𝑠𝑡 : Variación interanual del tipo de cambio nominal Banco de Guatemala

Variables de precio y cantidad Fuente𝑦𝑑𝑖

𝑡 : Variación interanual de la demanda interna Banco de Guatemala𝑦𝜋

𝑡 : Variación interanual del índice de precios al consumidor Banco de Guatemala

Se estimó entonces el modelo descrito en ec. (8), donde,

𝜉𝑡 = [ y𝑡 − 𝜇y𝑡−1 − 𝜇]; y𝑡 =

⎡⎢⎢⎢⎢⎢⎢⎢⎣

𝑦𝑖𝑚𝑝𝑜𝑟𝑡 − 𝜇𝑦𝑝𝑒𝑡

𝑡 − 𝜇𝑦𝑟𝑒𝑚

𝑡 − 𝜇𝑦𝑒

𝑡 − 𝜇𝑦𝑣_𝑠

𝑡 − 𝜇𝑦𝑐𝑟𝑒𝑑

𝑡 − 𝜇𝑦𝑑𝑖

𝑡 − 𝜇𝑦𝜋

𝑡 − 𝜇

⎤⎥⎥⎥⎥⎥⎥⎥⎦

; 𝜀𝑡 =

⎡⎢⎢⎢⎢⎢⎢⎢⎣

𝜀𝑖𝑚𝑝𝑜𝑟𝑡𝜀𝑝𝑒𝑡

𝑡𝜀𝑟𝑒𝑚

𝑡𝜀𝑒

𝑡𝜀𝑣_𝑠

𝑡𝜀𝑐𝑟𝑒𝑑

𝑡𝜀𝑑𝑖

𝑡𝜀𝜋

𝑡

⎤⎥⎥⎥⎥⎥⎥⎥⎦

El cual cumple con las propiedades estadísticas requeridas para hacer inferencia: estabilidad, nor-malidad, ausencia de autocorrelación, y homocedasticidad de los errores.9

Con base en la estimación de este modelo de forma reducida, se recuperaron las innovaciones es-tructurales u𝑡, haciendo uso de 𝜀𝑡 (el vector de residuos) y la diagonalización descrita en la sección3.2. Para la diagonalización se utilizó el ordenamiento recursivo ilustrado en y𝑡: 𝑦𝑖𝑚𝑝𝑜𝑟

𝑡 , 𝑦𝑝𝑒𝑡𝑡 , 𝑦𝑟𝑒𝑚

𝑡 ,𝑦𝑒

𝑡 , 𝑦𝑣_𝑠𝑡 , 𝑦𝑐𝑟𝑒𝑑

𝑡 , 𝑦𝑑𝑖𝑡 y 𝑦𝜋

𝑡 , en donde la variable más exógena es la primera de ellas, mientras la varia-ble más endógena es la última, en este caso, la inflación.10 De esta forma se obtuvieron las seriesde choques estructurales no correlacionados, para cada una de las ocho series que conforman elVAR, representadas en la Figura 2.

Para hacer sentido de la información que conllevan estas innovaciones estructurales en la determi-nación de la series de inflación y de demanda interna, se calculó la contribución de los choquesestructurales de cada una de las series observables que se incluyen dentro del modelo VAR, sobre ladinámica de precios y cantidades.11 En la Figura 3 se muestra la integración de la serie de inflación

9Todas las pruebas estadísticas para este modelo se encuentran en el apéndice 1. Los coeficientes de la estimación sepresentan en la Tabla 8 del apéndice 2.10Las conclusiones son robustas a distintos ordenamientos; para permutaciones que siguen siendo coherentes; es decir,

en ningún momento se consideró un orden que implicara, por ejemplo, que la inflación doméstica afecta contemporá-neamente a los precios internacionales del petróleo.11El calculo de las contribuciones se lleva a cabo siguiendo el procedimiento descrito en la Sección 3.2.



Figura 2: Innovaciones estructurales de cada serie

y, en la Figura 4, la integración de la serie de demanda interna; en ambos casos, el panel superiormuestra las series en niveles y en el panel inferior aparecen como desvíos de sus respectivas medias.

Reconstruir el dato de inflación (y el de demanda interna), de esta forma, permite darles interpreta-ción a las innovaciones estructurales en términos de su influencia o contribución en la determinaciónde la dinámica de inflación; pero, más importante aún, tiene el potencial de identificar las fuentesde variación, en términos de otras variables observables. Esto es importante para la comunicacióncon las autoridades, puesto que la reconstrucción permite contrastar las fuentes de variación iden-tificadas por el modelo, con aquellas que tienen en mente quienes conducen la política monetaria.

Por ejemplo, si se analiza la parte final de la serie de inflación de la muestra, la reconstrucción de lasinnovaciones estructurales sugiere que, desde inicios de 2014, la inflación estuvo influenciada por



choques negativos de variables externas (que redujeron su nivel); es decir, tanto choques negativosal precio de las importaciones, como choques negativos al precio del petróleo, condujeron a lainflación a su punto más bajo en la muestra (sin contar el nivel que se alcanzó durante la crisis fi-nanciera internacional). A partir de este punto, las presiones desinflacionarias del exterior comienzana disiparse y el nivel de inflación comienza a aumentar, por varias razones: la reducción paulatinadel efecto negativo que estaba teniendo el precio del petróleo y la contribución positiva sobre in-flación que ejercen los choques al flujo de remesas familiares. A partir de 2016Q4, los choques alpetróleo se habían revertido totalmente y comienzan a tener una contribución positiva sobre el nivelde inflación doméstica; sin embargo, la inflación se contiene principalmente por una contribuciónnegativa del crédito al sector privado, que se observa desde el cuarto trimestre de 2016 hasta elfinal de la muestra.

La riqueza del análisis que se puede llevar a cabo con esta descomposición es amplia; sin embargo,la identificación de los choques depende siempre de la buena especificación del modelo y, por lotanto, estos resultados deben tomarse con cautela y examinar su robutez ante diferentes especifica-ciones del modelo VAR. Aunque la descomposición por fuente de variación es parte de la agendade investigación, esta tarea necesita una exploración aún más minuciosa, la cual escapa al alcancedel presente documento. Sin embargo, la herramienta permite obtener conclusiones más robustasacerca del origen de las presiones inflacionarias, según si éstas son de oferta o de demanda, deforma agregada. Dicha agregación se explica en la siguiente sección, donde también se presentanlos resultados agregados en las categorías de oferta y demanda.

5 Principales Resultados

Puede afirmarse que el modelo estimado en la sección anterior no tiene problemas serios de malaespecificación, puesto que los errores pasan las pruebas estadísticas y en la Figura 9 se observael buen ajuste del modelo a los datos; lo cual es también un buen indicio, ya que un modelo se-veramente mal especificado tendría problemas de ajuste. No obstante, todos los modelos omitenvariables, y el modelo aquí estimado no es la excepción; hay fuentes de variación que el modeloignora y, por lo tanto, debe atribuir sus efectos a las variables que sí están dentro del VAR o dejar-las como residuos. En este caso hay variables que explican a la inflación, que intencionalmente sedejaron fuera, algunas para tener un modelo parsimonioso y otras porque no permitían distinguirlos desplazamientos de las curvas de demanda y de oferta. Un ejemplo muy claro son los costoslaborales unitarios. Según la teoría económica, el costo laboral unitario es uno de los determinantesfundamentales de la inflación en el corto plazo; sin embargo, no se incluyó dentro del modelo porsu asociación con los salarios, cuyas fluctuaciones afectan fuertemente a la oferta interna (al serun costo importante en los procesos productivos), pero también afectan fuertemente a la demandaagregada a través de sus efectos sobre el ingreso disponible y el consumo, lo cual hace que discernirsus efectos netos sobre precios y cantidades sea muy difícil, y no sea posible clasificarlo como unavariable que desplaza la oferta pero no la demanda o viceversa. Otro ejemplo importante es la tasade interés líder de política monetaria, la cual afecta directamente a la demanda agregada, pero alser utilizada como instrumento de política, su correlación con la inflación cambia e.g. la autoridadmonetaria podría contraer la demanda agregada, subiendo la tasa de interés de política, en un



momento en que la inflación muestra una tendencia al alza; esta decisión de política distorsionael patrón que en este ejercicio se utiliza para clasificar las variables como desplazadoras de la de-manda u oferta. No obstante, se considera que los efectos de la tasa de interés de política puedencapturarse indirectamente a través de las variaciones en el crédito al sector privado, en la medidaen que opere el canal de transmisión de la tasa de interés.

A pesar de estos posibles problemas en la especificación del modelo, se considera que de formaagregada, el análisis arroja información valiosa sobre el origen de las presiones inflacionarias, se-gún si éstas son de demanda u oferta. Esto es así debido a que el modelo incluye rezagos de lasvariables (endógenas) que ayudan a mitigar el problema de omisión de variables. También incluyeuna variable de control, el tipo de cambio nominal, que tiene el potencial de fungir como una varia-ble de ajuste. Los choques a dicha variable de ajuste y los choques propios de la series de inflacióny de demanda interna pueden capturar dinámicas que no se ajusten a la historia y, de esta forma,permiten al modelo capturar correctamente las presiones de demanda u oferta identificadas en loschoques de las demás variables observables. La suma de los choques a la variable de ajuste y delos choques propios de la inflación y demanda interna constituye una variación no explicada por lasfuerzas (variables) de oferta y demanda incluidas en el modelo, una suerte de ruido o efecto residual.

Por lo tanto, se propone agregar este residuo en una sola variable (denominada ‘Otros’), al igualque los efectos de las variables de oferta por un lado, y de las variables de demanda por el otro,y así contabilizar: i) qué proporción del dato de inflación se explica por presiones de demanda; ii)qué proporción se explica por presiones de oferta; y con el residuo, capturar iii) qué proporción deldato de inflación, el modelo no está siendo capaz de clasificar como presión de oferta o presión dedemanda. Un elemento adicional para contabilizar es la media de la inflación, que es el valor alcual la inflación converge en el largo plazo. En la Figura 5 se integra la serie de inflación (de nue-vo, el nivel en el panel superior y desvíos de la media en el panel inferior), pero esta vez utilizandola agregación recién descrita. Lo mismo se presenta para la serie de demanda interna en la Figura 6.

En la Figura 5 se observa cómo las presiones de demanda y de oferta han condicionado la evolu-ción de la tasa de inflación. Durante 2008, antes de que los efectos negativos de la crisis financierainternacional se percibieran en las variables macroeconómica domésticas, se observa que choques,tanto de oferta (principalmente) como de demanda, llevaron la inflación a su punto más alto en lamuestra (13.56%).

Cuando los efectos negativos de la crisis internacional se hicieron palpables en 2009, las dos fuer-zas (oferta y demanda) empujaron la inflación a su nivel más bajo. Sin embargo, los choques deoferta menguaron relativamente rápido; para 2010Q3 ya estaban contribuyendo al alza de la in-flación, mientras que los choques de demanda seguían conteniendo el alza de precios. Hacia elfinal de la muestra se observa que los choques de oferta contribuyeron desde mediados de 2014hasta mediados de 2016 a contener las presiones inflacionarias; sin embargo lo hicieron cada vezen menor cuantía, por el aumento subsiguiente en los precios del petróleo, lo cual permitió quelos choques de demanda dominaran, elevando el nivel de inflación. De 2016Q1 a 2017Q3 lainflación permaneció relativamente estable; debido a que las crecientes presiones de oferta haciael alza fueron compensadas casi en su totalidad por presiones de demanda hacia la baja (que sedieron principalmente por choques negativos del crédito al sector privado).



Respecto de la demanda interna, lo primero que salta a la vista es que las contribuciones de los cho-ques estructurales a la demanda interna son más persistentes que los identificados para la inflación(ver Figura 6). Este hecho también hace que la interpretación sea un poco más complicada en estecaso, puesto que el efecto sobre cantidades de algunos de los choques (de oferta y/o demanda) querecibe la economía podrían diferir sus efectos por más tiempo, especialmente si requieren el ajustede la estructura o de los procesos productivos. No obstante, hay episodios donde la descomposi-ción luce bastante intuitiva. Por ejemplo, en el período de 2014 hasta finales de 2016, cuando losprecios, tanto de las importaciones en general como del petróleo en particular, estaban deprimidosen los mercados internacionales. Este hecho representó presiones a la baja de la inflación, cuyoorigen era de oferta, y al mismo tiempo, el evento genera presiones al alza de la demanda internapuesto que los insumos importados se habían hecho más baratos, dinamizando parcialmente losmercados internos. Es por ello que se observan bastones color naranja (de oferta) empujando lainflación hacia abajo y a la demanda interna hacia arriba en ese lapso.

Algo que resulta evidente de la descomposición de choques estructurales es que la participaciónde los choques de demanda y de los choques de oferta parece estar muy equilibrada; es decir, niunos ni otros parecen ser los choques dominantes en la determinación de la inflación, sino am-bos contribuyen en proporciones similares. Este mismo resultado se observa en la descomposiciónde varianza, en donde la variabilidad de la inflación está explicada en 39.04% por factores deoferta y 26.39% por factores de demanda, en un horizonte de 20 períodos y utilizando el mismocriterio de agregación que en la descompsición de choques estructurales (ver Figura 7 y tablas 6 y 7).

En cuanto a las variables desagregadas, el deflactor implícito de las importaciones explica en pro-medio el 24.39% de la variabilidad de la inflación, mientras que el crédito total explica el 19.68%,seguido del petróleo, el cual explica el 9.36%. Finalmente, las remesas explican el 6.72% y el preciode la electricidad explica el 5.29%.

6 Consideraciones finales

Conocer el origen de las presiones inflacionarias, según si son de oferta o de demanda, es informa-ción clave para una exitosa implementación de la política monetaria. Sin embargo, determinar elorigen de dichas presiones no es una tarea trivial en la práctica, puesto que los datos de inflación yde producto disponibles son observaciones de equilibrio, que se han determinado simultáneamenteen una interacción entre oferta y demanda, de las cuales se ignora su forma funcional y no sondirectamente observables.

En un intento por expresar la serie de inflación en términos de las fuerzas que definen su dinámica,el presente documento propone una metodología muy pragmática, basada en un modelo SVAR ysu representación de promedios móviles, que busca que la identificación del origen de las fuerzasde variación del proceso inflacionario tengan una interpretación directa en términos de variablesobservables. La agregación propuesta deja registro, en la categoría ‘Otros’, de la fracción del datode inflación que el modelo no es capaz de identificar. Esto permite tener una idea acerca de la



medida en la cual el modelo identifica las principales fuentes de variación.

En su estado de desarrollo actual, la metodología es prometedora y entrega resultados coherentespara la historia reciente del proceso inflacionario en Guatemala. Las estimaciones realizadas sugie-ren que ambos tipos de choques (de oferta y demanda) han sido importantes en la determinaciónde la inflación durante el período analizado (2005Q1 - 2017Q4) y permite conocer cuándo sonpresiones de demanda y cuándo son las de oferta las que más inciden en la evolución de la tasa deinflación.

La metodología tiene el potencial de llegar a ser una herramienta cuantitativa que ayude a la políticamonetaria en el proceso de toma de decisiones. Sin embargo analizar la robustez de los resultados,ante diferentes especificaciones del correspondiente modelo VAR, debería formar parte de los pasosinmediatos a seguir, dentro de la agenda de investigación sugerida por los resultados presentadosen este trabajo. Así como la estimación de los choques de oferta y demanda por medio de metodo-logías prominentes dentro de la literatura, para que sirvan de punto de referencia y comparación alos resultados aquí presentados.

Referencias

Bashar, Omar HMN (2011). “On the permanent effect of an aggregate demand shock: Evidencefrom the G-7 countries”. En: Economic modelling 28.3, págs. 1374-1382.

— (2012). “The dynamics of aggregate demand and supply shocks in ASEAN countries”. En: Journalof Asian economics 23.5, págs. 507-518.

Blanchard, Oliver Jean y Danny Quah (1989b). “The Dynamic Effects of Aggregate Demand andSupply Disturbances”. En: The American Economic Review 79.4, págs. 655-673.

Canova, Fabio y Gianni De Nicolo (2002). “Monetary disturbances matter for business fluctuationsin the G-7”. En: Journal of Monetary Economics 49.6, págs. 1131-1159.

Cover, James Peery, Walter Enders y C James Hueng (2006). “Using the aggregate demand-aggregatesupply model to identify structural demand-side and supply-side shocks: Results using a bivariateVAR”. En: Journal of Money, Credit, and Banking 38.3, págs. 777-790.

Enders, Walter y Stan Hurn (2007). “Identifying aggregate demand and supply shocks in a smallopen economy”. En: Oxford Economic Papers 59.3, págs. 411-429.

Fry, Renee y Adrian Pagan (2011a). “Sign restrictions in structural vector autoregressions: A criticalreview”. En: Journal of Economic Literature 49.4, págs. 938-60.

Gali, Jordi (1999). “Technology, employment, and the business cycle: do technology shocks explainaggregate fluctuations?” En: American economic review 89.1, págs. 249-271.

Hamilton, James Douglas (1994). Time series analysis. Vol. 2. Princeton university press Princeton,NJ.

Lucas Jr, Robert E (1972). “Expectations and the Neutrality of Money”. En: Journal of economic theory4.2, págs. 103-124.

Mendieta-Muñoz, Ivan y col. (2018). “The dynamic effects of aggregate supply and demand shocksin the Mexican economy”. En: Economics Bulletin 38.1, págs. 41-51.



Mio, Hitoshi y col. (2002). “Identifying aggregate demand and aggregate supply components ofinflation rate: a structural vector autoregression analysis for Japan”. En: Monetary and EconomicStudies 20.1, págs. 33-56.

Mountford, Andrew (2005). “Leaning into the wind: a structural VAR investigation of UK monetarypolicy”. En: Oxford Bulletin of Economics and Statistics 67.5, págs. 597-621.

Ouliaris, S, AR Pagan y J Restrepo (2015). A new method for working with sign restrictions in SVARs.Inf. téc. National Centre for Econometric Research.

Pagliacci, Carolina (2016). “Are we ignoring supply shocks? A proposal for monitoring cyclical fluc-tuations”. En: Empirical Economics, págs. 1-23.

Scholl, Almuth y Harald Uhlig (2008). “New evidence on the puzzles: Results from agnostic identi-fication on monetary policy and exchange rates”. En: Journal of International Economics 76.1,págs. 1-13.

Wold, Herman OA (1951). “Dynamic Systems of the Recursive Type: Economic and Statistical As-pects”. En: Sankhy: The Indian Journal of Statistics, págs. 205-216.



1 Pruebas estadísticas de los errores

En este anexo se incluyen las pruebas estadísticas de los errores para el modelo VAR estimado enla sección 4. El modelo VAR es estable, todos sus valores característicos se encuentran dentro delcírculo unitario, como se puede apreciar en la Figura 8.

Los errores tanto de cada una de las variables que componen al VAR, como también del modeloen general, están normalmente distribuidos, como se aprecia en la tabla siguiente: Los errores del

Cuadro 2: NormalidadPrueba de Jarque-Bera

Componente Jarque-Bera P - Valor

1 0.1065 0.94812 0.6366 0.72743 2.1006 0.34984 3.2200 0.19995 0.1673 0.91976 0.2968 0.86217 2.5503 0.27948 0.5886 0.7451

Modelo 9.6668 0.8834

modelo no presentan rastros de autocorrelación. Finalmente, los errores del modelo son homosce-

Cuadro 3: AutocorrelaciónPrueba LM para Autocorrelación de los errores

Rezagos LM- Estadístico P - Valor

1 80.3743 0.08122 50.2068 0.8961

dásticos, como se observa en la siguiente tabla:

Cuadro 4: HeterocedasticidadPrueba de White

Chi_cuadrado P - Valor

1159.95 0.43

Por lo tanto, el modelo VAR, está bien especificado, y puede ser utilizado para realizar tanto la des-composición de la varianza, como el anális de choques estructurales.



2 Figuras y tablas adicionales

Cuadro 5: Variables que desplazan las curvas de oferta y demanda

Variables de demanda− Variación interanual de suma móvil de 12 meses de remesas en dólares− Variación interanual de suma móvil de 12 meses de remesas en quetzales− Variación interanual de la media móvil de cuatro trimestres del crédito al sector privado− Variación interanual de las líneas de crédito del exterior− Variación interanual de la formación bruta de capital

Variables de oferta− Variación interanual del deflactor implícito de las importaciones− Variación interanual del índice de precios de las importaciones de Estados Unidos− Variación interanual del índice de precios de las exportaciones de Estados Unidos− Variación internanual del índice de precios ponderado de exportaciones e importaciones de EEUU− Variación interanual de los precios del petróleo− Variación interanual de los precios del diesel− Variación interanual de los precios del gas propano− Variación interanual del índice de electricidad− Variación de la gasolina regular− Variación de la gasolina superior

Cuadro 6: Descomposición de varianza de la inflación

Trimestre S.E. 𝑦𝑖𝑚𝑝𝑜𝑟 𝑦𝑝𝑒𝑡 𝑦𝑟𝑒𝑚 𝑦𝑒 𝑦𝑣_𝑠 𝑦𝑐𝑟𝑒𝑑 𝑦𝑑𝑖 𝑦𝜋 Demanda Oferta Otros

1 1.26 18.10 16.84 13.10 1.88 1.97 7.98 10.44 29.68 21.09 36.83 42.094 2.70 39.80 14.48 4.20 2.43 1.34 9.65 8.09 20.01 13.85 56.71 29.448 3.51 26.06 8.82 6.14 6.20 4.96 20.95 10.97 15.89 27.09 41.09 31.8312 4.00 21.56 6.84 7.25 5.80 10.27 23.65 10.35 14.29 30.90 34.20 34.9016 4.40 17.99 5.81 7.07 6.77 12.81 25.03 11.16 13.35 32.11 30.57 37.3320 4.70 15.83 5.24 7.04 7.19 13.84 26.27 11.74 12.85 33.31 28.26 38.43

Promedio 24.39 9.36 6.72 5.29 7.70 19.68 10.33 16.54 26.39 39.04 34.57



Cuadro 7: Descomposición de varianza de la demanda interna

Trimestre S.E. 𝑦𝑖𝑚𝑝𝑜𝑟 𝑦𝑝𝑒𝑡 𝑦𝑟𝑒𝑚 𝑦𝑒 𝑦𝑣_𝑠 𝑦𝑐𝑟𝑒𝑑 𝑦𝑑𝑖 𝑦𝜋 Demanda Oferta Otros

1 0.82 0.64 5.87 1.77 16.27 3.65 12.67 59.13 0.00 14.44 22.78 62.784 2.41 0.39 3.90 2.08 24.80 13.27 23.85 30.19 1.52 25.93 29.10 44.978 3.35 6.60 2.15 2.07 20.50 18.97 24.96 22.79 1.96 27.03 29.25 43.7212 3.56 7.36 2.25 2.22 18.47 20.81 24.29 21.65 2.94 26.52 28.08 45.4116 3.73 6.86 2.28 2.12 17.98 21.42 24.00 21.67 3.66 26.12 27.12 46.7620 3.88 6.36 2.35 2.31 17.41 21.18 24.68 21.53 4.17 26.99 26.12 46.89

Promedio 5.09 2.89 2.07 19.71 18.14 23.33 26.24 2.51 25.40 27.70 46.90

Figura 3: Contribución de las innovaciones estructurales a inflación



Figura 4: Contribución de las innovaciones estructurales a demanda interna



Figura 5: Presiones de demanda y oferta sobre la inflación



Figura 6: Presiones de demanda y oferta sobre la demanda interna



Figura 7: Descomposición de varianza

Inflación:

Demanda interna:



Figura 8: Valores característicos del VAR



Cuadro 8: Estimación VAR multivariado

𝑦𝑖𝑚𝑝𝑜𝑟𝑡 𝑦𝑝𝑒𝑡

𝑡 𝑦𝑟𝑒𝑚𝑡 𝑦𝑒

𝑡 𝑦𝑣_𝑠𝑡 𝑦𝑐𝑟𝑒𝑑

𝑡 𝑦𝑑𝑖𝑡 𝑦𝜋

𝑡

𝑦𝑖𝑚𝑝𝑜𝑟𝑡−1 1.259371 7.209343 0.207142 -0.196552 -0.260693 0.223125 0.336415 0.282086

-0.20382 -2.82189 -0.23735 -0.29835 -0.18677 -0.3014 -0.09626 -0.17994

𝑦𝑖𝑚𝑝𝑜𝑟𝑡−2 -0.480373 -6.583617 -0.528123 0.179624 0.186124 -0.033158 -0.235215 -0.198633

-0.18867 -2.61218 -0.21971 -0.27618 -0.17289 -0.279 -0.08911 -0.16657

𝑦𝑝𝑒𝑡𝑡−1 0.020072 0.923057 -0.037599 0.065442 -0.034986 -0.044287 -0.011146 0.024332

-0.01512 -0.20934 -0.01761 -0.02213 -0.01386 -0.02236 -0.00714 -0.01335

𝑦𝑝𝑒𝑡𝑡−2 0.046167 -0.104832 0.052885 0.025556 0.002315 0.003716 0.003419 -0.003943

-0.0167 -0.23125 -0.01945 -0.02445 -0.01531 -0.0247 -0.00789 -0.01475

𝑦𝑟𝑒𝑚𝑡−1 -0.053223 -3.679755 0.733361 0.357602 -0.039106 -0.128288 -0.09059 0.073663

-0.15002 -2.07703 -0.1747 -0.2196 -0.13747 -0.22185 -0.07085 -0.13244

𝑦𝑟𝑒𝑚𝑡−2 0.11703 5.181486 -0.11963 -0.235118 -0.159666 0.140779 0.108788 0.022064

-0.14573 -2.01762 -0.1697 -0.21331 -0.13354 -0.2155 -0.06882 -0.12865

𝑦𝑒𝑡−1 -0.110209 -0.691132 -0.164683 0.995133 -0.031131 -0.034798 -0.032552 -0.056048

-0.08196 -1.1347 -0.09544 -0.11997 -0.0751 -0.1212 -0.03871 -0.07235

𝑦𝑒𝑡−2 0.080955 -0.281963 0.025174 -0.438752 0.048622 -0.030447 -0.069609 -0.002291

-0.08111 -1.12296 -0.09445 -0.11873 -0.07432 -0.11994 -0.03831 -0.07161

𝑦𝑣_𝑠𝑡−1 0.595511 9.337313 -0.22479 0.573181 0.259549 -0.672998 -0.272826 0.018908

-0.20368 -2.81995 -0.23719 -0.29814 -0.18664 -0.3012 -0.09619 -0.17982

𝑦𝑣_𝑠𝑡−2 -0.039971 -3.897015 0.395441 0.553827 0.265294 0.405051 0.063348 -0.020402

-0.22403 -3.10163 -0.26088 -0.32792 -0.20528 -0.33128 -0.1058 -0.19778

𝑦𝑐𝑟𝑒𝑑𝑡−1 0.152337 4.901504 0.770861 0.010588 -0.021517 1.302377 0.083051 0.042274

-0.15868 -2.19686 -0.18478 -0.23226 -0.1454 -0.23464 -0.07494 -0.14008

𝑦𝑐𝑟𝑒𝑑𝑡−2 -0.182296 -4.811748 -0.495326 -0.14299 0.12754 -0.378276 0.023888 0.005513

-0.14647 -2.02781 -0.17056 -0.21439 -0.13421 -0.21659 -0.06917 -0.1293

𝑦𝑑𝑖𝑡−1 0.195702 -4.144737 -0.639626 -0.353873 -0.148388 0.308259 0.760274 -0.289188

-0.32206 -4.45894 -0.37505 -0.47143 -0.29512 -0.47626 -0.1521 -0.28433

𝑦𝑑𝑖𝑡−2 0.056608 1.829217 0.579048 0.933908 0.124488 -0.506746 -0.381953 0.186987

-0.31479 -4.35826 -0.36658 -0.46078 -0.28845 -0.4655 -0.14867 -0.27791

𝑦𝜋𝑡−1 0.612344 3.169349 0.512656 0.559429 0.038551 -0.211777 -0.153617 0.658043

-0.29231 -4.04705 -0.3404 -0.42788 -0.26786 -0.43226 -0.13805 -0.25806

𝑦𝜋𝑡−2 -0.735291 -6.630811 -0.341749 -0.387903 0.494203 0.301498 -0.117525 -0.152483

-0.22874 -3.16684 -0.26637 -0.33482 -0.2096 -0.33825 -0.10803 -0.20194

C -0.02583 27.34028 -0.453442 -1.266497 -2.812665 0.682811 2.874554 2.107035-1.30949 -18.1298 -1.52492 -1.91679 -1.19994 -1.93644 -0.61844 -1.15606

R-cuadrado 0.969375 0.781105 0.943638 0.953821 0.893854 0.931258 0.93525 0.869424R-cuadrado Ajdo. 0.955376 0.681038 0.917872 0.932711 0.845329 0.899833 0.90565 0.809733Número de Obs. 52 52 52 52 52 52 52 52



Figura 9: Inflación: Observada y ajustada por el modelo



Volumen I, 2020

Un análisis de sensibilidadmacroeconómica para Nicaragua: unenfoque bayesiano

William Mendieta Alvarado1

ResumenEste documento presenta una cuantificación de la sensibilidad del crecimiento económico y de latasa de inflación de Nicaragua debida a choques internos y externos. Este análisis de vulnerabilidadutiliza las estimaciones de un modelo BVAR, y los choques son analizados y cuantificados mediantefunciones impulso-respuesta, descomposiciones de varianzas y descomposiciones históricas. El aná-lisis sugiere que tanto el crecimiento como la inflación son muy sensibles a la incidencia de factoresexternos. Políticas económicas dirigidas hacia el aumento de la productividad, la efectividad de lapolítica fiscal y la implementación de una política monetaria más activa, ayudarían a reducir estasvulnerabilidades en el corto y mediano plazo.

Clasificación JEL: C3, O47, E31, E52, E62.Palabras clave: BVAR, Crecimiento, Inflación, Política Monetaria, Política Fiscal.

1 Introducción

En el período 2010-2016 el desempeño macroeconómico de Nicaragua uno de los más desta-cados de la región centroamericana. El crecimiento económico promedio de Nicaragua fue 5.2por ciento en este período (3.0% en los 7 años anteriores), con un crecimiento del PIB per-cápitade 5.7 por ciento. Además, la tasa de inflación se ha mantenido en línea con sus fundamentalesde mediano plazo, situándose en promedio en 6.0 por ciento y, además, exhibiendo una menorvolatilidad (2.3% en 2010-2016 versus 5.1% 2003-2009).

¿Qué se ha hecho en estos últimos años para alcanzar estos resultados macroeconómicos eviden-temente positivos? ¿Se han implementado políticas domésticas prudentes y efectivas? y/o ¿estosresultados son una consecuencia de la recuperación de la economía mundial y de los precios delas materias primas? Cualitativamente se podría argumentar que estos resultados tienen su origen

1El autor es Investigador Principal I del Banco Central de Nicaragua. Para comentarios contactar al autor a través [email protected]. El contenido de este documento es de exclusiva responsabilidad del autor y no necesariamenterepresenta la posición oficial del Banco Central de Nicaragua.

29



William Mendieta Alvarado

en ambos factores: tanto los choques domésticos como los externos ha favorecido a un mayor cre-cimiento económico del país y a una menor tasa de inflación. Sin embargo, para el análisis de laefectividad de las políticas económicas domésticas esto es insuficiente. ¿Qué factores son cuantitati-vamente más importantes para el crecimiento económico y para la dinámica inflacionaria del país?¿Son las políticas domésticas (como el gasto del gobierno y la política de tipo de cambio) cuantita-tivamente significativas para aportar (respectivamente) al crecimiento económico y al control de lainflación?

En este sentido, este documento contribuye a la literatura empírica de Nicaragua a través de lacuantificación de la relevancia de los choques internos y externos para las dinámicas del crecimientoeconómico y de la inflación. Para llevar esto a cabo, se utiliza un modelo de Vectores Autorregre-sivos estimado bajo el enfoque bayesiano (BVAR). El modelo descansa sobre las investigaciones deAbrego, L. y Osterholm, P. (2010), Gámez (2006) y Villani (2009).

Gámez (2006) utiliza un VAR, estimado bajo el enfoque frecuentista, para cuantificar las contribu-ciones relativas a las dinámicas del crecimiento, la balanza comercial y las reservas internacionales.En su análisis modela choques de oferta, de demanda, nominales y externos. Estas contribucionesson inferidas a partir de un análisis de descomposición de varianzas. Uno de los principales resul-tados en Gámez (ibíd.) es que la dinámica del crecimiento económico se explica en gran medida através de choques de oferta y de términos de intercambio, mientras que los choques de demandaagregada tienen poca repercusión sobre el crecimiento de corto plazo del PIB. Particularmente, loschoques de oferta explican aproximadamente el 65.0 por ciento de la dinámica del crecimiento enun mes, y 41.1 por ciento luego de 15 meses. Por su parte, los choques externos no son significativosen el corto plazo, y solo explican el 0.2 por ciento en el primer mes. No obstante, luego de 15 meseslos términos de intercambio explican casi la mitad de la varianza del crecimiento económico (49%).

Este documento busca extender esta evidencia en dos dimensiones. En primer lugar, el modelo esestimado mediante técnicas bayesianas. Diversos estudios, entre ellos Banbura, Giannone y Reichlin(2010) y Koop, G. y Korobilis, D. (2009), sugieren que el enfoque bayesiano permite mitigar losefectos de la maldición de la dimensionalidad, a la cual están sujetas los modelos VAR. Según Lit-terman (1986) modelos de pequeña escala son susceptibles a la sobre-parametrización, la cuallleva a una estimación inconsistente de los parámetros del modelo. Esto, en última instancia, afectael desempeño del modelo en términos de análisis y calidad de los pronósticos. En segundo lugar,el estudio de Gámez (2006) se complementa con el análisis de las funciones impulso respuesta,para tener una perspectiva de las dinámicas que generan los diversos choques externos e internos.Además, se realizan descomposiciones históricas para cuantificar las contribuciones a las tasas decrecimiento y la tasa de inflación. Esto, además de complementar la descomposición de varianzas,provee al Banco Central de Nicaragua (BCN) una herramienta de cuantificación para las dinámicasde crecimiento e inflación.

Además, el documento de Abrego, L. y Osterholm, P. (2010) es utilizado como guía para la selec-ción de las variables del modelo. En su trabajo estiman un BVAR con ocho variables, utilizando lametodología de Villani (2009) para la imposición de priors de estado estacionario. Ellos conside-ran un bloque de variables internacionales y un bloque doméstico. El primero, está compuesto porLos priors de estado estacionario ayudarían a mejorar el desempeño del modelo en horizontes de


Un análisis de sensibilidad macroeconómica para Nicaragua: un enfoque bayesiano

análisis más lejanos. Abrego, L. y Osterholm, P. (2010) estudian el caso de Colombia y analizanla incidencia de factores externos sobre el crecimiento económico. Además, en su estudio modelanexplícitamente factores domésticos como la política fiscal y la política monetaria. Su modelo tam-bién trata de capturar cambios en el clima de inversión en Colombia, el cual podría incidir en lasdecisiones de política económica. En su estudio, encuentran evidencia de que la demanda externay el gasto del gobierno son los factores más importantes para explicar la dinámica de crecimientoeconómico. Además, ellos realizan proyecciones del crecimiento económico condicionales a unadesaceleración del crecimiento mundial. El resultado de este ejercicio sugería que el PIB de Colom-bia es más sensible a las dinámicas de crecimiento del mundo en relación a otros países de AméricaLatina.

Considerando lo anterior, este documento presenta un modelo que considera explícitamente factoresinternos y externos, que empírica e intuitivamente tienen una incidencia importante en el compor-tamiento del crecimiento y de la inflación. Las estimaciones realizadas sugieren que para el casodel crecimiento, los factores domésticos son los más importantes para explicar su dinámica de cortoplazo. Sin embargo, en la medida que el horizonte de análisis se extiende, los factores externosexplican más de la mitad del crecimiento económico del país. Para el caso de la inflación, el controlque tiene el BCN sobre la misma es más limitado, porque en menos de un año los factores externospueden incidir de forma significativa sobre la evolución de la inflación. El análisis sugiere que tan-to el crecimiento como la inflación son sensibles a factores que no son controlados por los policymarkers. La elevada sensibilidad de ambas variables a los factores externos podría verse aumentadapor la baja efectividad de la política fiscal y de la política monetaria. Por tal motivo, debido a quelos ciclos económicos de Nicaragua están determinados por los ciclos externos, se deben realizaresfuerzos para potenciar el rol de ambos tipos de política, de modo que contribuyan a suavizar losciclos económicos de la economía Nicaragüense.

El resto del documento se organiza de la siguiente manera: en la sección 2 se explica la metodologíautilizada. En esta se extiende la explicación de la racionalidad de utilizar técnicas bayesianas y sedescribe el modelo VAR bayesiano de estado estacionario propuesto en Villani (2009). En la sección3 se presenta la especificación del modelo. En esta sección se justifica la incorporación de cadauno de los choques analizados, así como el análisis realizado para la definición de la informaciónprior. Además, en esta sección se presenta la metodología para la identificación de los choquesestructurales. En seguida, la sección 4 presenta el análisis de sensibilidad macroeconómica para elcaso de Nicaragua, el cual se realiza mediante funciones impulso-respuesta, descomposiciones devarianzas y descomposiciones históricas del crecimiento y de la inflación. En la sección 5 se presentaun análisis de robustez de los resultados obtenidos en la sección anterior. Finalmente, en la sección6 se presentan las principales conclusiones y recomendaciones de políticas derivadas del presenteanálisis.

2 Metodología

2.1 Racionalidad de la estimación bayesiana

Los modelos VAR son herramientas muy útiles y flexibles para modelar el comportamiento de se-ries de tiempo macroeconómicas. Sin embargo, diversos académicos como Banbura, Giannone



y Reichlin (2010), De Mol, Giannone y Reichlin (2008), DelNegro, M. y Schorfheide, F. (2011),Giannone, Lenza y Primiceri (2015) y Koop, G. y Korobilis, D. (2009), entre otros, sugieren que ensu flexibilidad radica su mayor debilidad. Los modelos VAR son susceptibles a la maldición de ladimensionalidad, lo que limita el análisis del investigador a un set reducido de variables.

El enfoque bayesiano ha permitido el uso de modelos de mayor escala, los cuales son más ricosen términos de las dinámicas e interrelaciones que pueden capturar acerca de la economía. Así,mediante la especificación de una distribución anterior para los parámetros del modelo, y mediantesu combinación con la información provista por los datos, el análisis bayesiano permitiría rehuir delproblema de sobre-parametrización de los modelos VAR.

Usando una notación como en Villani (2009), un VAR puede ser escrito en su forma reducida como:

Π(𝐿)𝑥𝑡 = 𝜙𝑑𝑡 + 𝜀𝑡 𝑡 = 1, ..., 𝑇 (1)

dondeΠ(𝐿) = 𝐼𝑝−Π1𝐿−⋯−Π𝑘𝐿𝑘, 𝐿 es el operador de rezagos, 𝜀𝑡 ∼ 𝑁𝑝(0, Σ) y es independienteentre períodos de tiempo, 𝑥𝑡 es una serie de tiempo p-dimensional y 𝑑𝑡 es una matriz q-dimensionalde variables exógenas.

El análisis bayesiano requiere de una distribución conjunta para todos los parámetros del modelo,estos son Π1, ⋯ ,Π𝑘, Σ y 𝜙. Dado esto, la estimación del BVAR tiene tres aspectos importantes: ladistribución prior sobre los parámetros, lo que se define como todas las creencias e información quetiene el investigador previo a la observación de los datos; la función de verosimilitud, que corres-ponde a toda la información contenida en los datos y, finalmente, la distribución posterior, la cuales una combinación, a través del teorema de Bayes, de las primeras dos.

La información prior es de gran importancia para el análisis, porque mientras ésta sea informativa, elBVAR tiene un mejor desempeño que el VAR estimado bajo un enfoque frecuentista. Mientras menosinformativa sea esta distribución, los pronósticos del BVAR convergerían a aquellos realizados bajoun enfoque frecuentista.

En este sentido, Villani (ibíd.) argumenta que las proyecciones de VAR estacionarios convergen a lamedia incondicional del proceso, esto es, 𝜇𝑡 = Π−1(𝐿)𝜙𝑑𝑡. Entonces 𝜇𝑡 es de gran importanciapara el análisis bayesiano porque usualmente hay una gran cantidad de información acerca de él,y el añadir información prior de 𝜇𝑡 a la estimación puede mejorar de forma significativa el desem-peño del modelo, especialmente para horizontes más largos. El no incorporar esta informaciónal modelo implica que el estado estacionario va a estar determinado por los datos, por lo que lospronósticos de largo plazo pueden diferir de forma significativa de la opinión previa del investigador.

2.2 Un enfoque de estado estacionario para la distribución prior

Villani (ibíd.) argumenta que 𝜇𝑡 es una compleja función no lineal de Π(𝐿) y 𝜙. Él sugiere que unaespecificación alternativa para el VAR es

Π(𝐿)(𝑥𝑡 − Ψ𝑑𝑡) = 𝜖𝑡 (2)



La ecuación 2 es la representación del VAR de estado estacionario, también conocido como VARajustado por la media. Los parámetros de este modelo son altamente no lineales, sin embargo lamedia incondicional del proceso está directamente especificada por Ψ𝑑𝑡. Específicamente, al tomarexpectativas y ordenar los términos en la ecuación 2, uno obtiene el estado estacionario de lasvariables endógenas, esto es 𝔼(𝑥𝑡) = Ψ𝑑𝑡 = 𝜇, donde 𝜇 es un vector de constantes. Por lo tanto,Villani (ibíd.) sugiere que si el investigador tiene información acerca del comportamiento de largoplazo de las variables endógenas, este conocimiento puede ser incorporado en el modelo a travésde la prior de 𝜇.

Adicionalmente, la inferencia bayesiana sobre la ecuación 2 requiere la especificación de tres blo-ques de distribuciones prior, a saber: Σ, Π = (Π1,… , Π𝑘)′ y Ψ. Siguiendo a Villani (ibíd.) unadistribución impropia es fijada para Σ (ver ecuación 3). También, la prior para Π es fijada comouna distribución normal multivariada (ver ecuación 4), donde 𝜃Π y ΩΠ son determinadas como enla prior de Minnesota.

𝑝(Σ) ∝ |Σ|−(𝑝+1)/2 (3)

𝑣𝑒𝑐(Π) ∼ 𝑁(𝜃Π, ΩΠ) (4)

Tomando en cuenta que no tiene sentido el estimar un VAR de estado estacionario cuando no existeinformación para 𝜇𝑡, la prior para Ψ debe ser como mínimo moderadamente informativa. Dieppe,Legrand y Roye (2016) sugieren especificar un intervalo de probabilidad subjetivo para los valoresprior, en donde la media y la varianza son calculados de forma retrospectiva desde este intervalo.

3 Especificación del modelo

En este documento se sigue a Abrego, L. y Osterholm, P. (2010) como guía para la especificacióndel modelo. En primer lugar, se elige un conjunto de variables que conforman el bloque externo de laeconomía. Entre estas variables se encuentran el crecimiento de EEUU (𝑦∗), la tasa de los Bonos delTesoro a 3 meses (𝑖∗), precios del petróleo (𝑝𝑜) y los precios de alimentos (𝑝𝑎). Asimismo, el modeloincluye un set de variables domésticas, a saber: la tasa pasiva doméstica (𝑖) el gasto del gobierno (𝑔),el crecimiento de Nicaragua medido a través del IMAE (𝑦), las reservas internacionales (𝑟𝑖𝑛) y la infla-ción (𝑖𝑛𝑓 ). Así, siguiendo la notación de la ecuación 2, 𝑥𝑡 = (𝑦∗

𝑡 , 𝑖∗𝑡 , 𝑝𝑜𝑡 , 𝑝𝑎

𝑡 , 𝑖𝑡, 𝑔𝑡, 𝑦𝑡, 𝑟𝑖𝑛𝑡, 𝑖𝑛𝑓𝑡)′.La selección de las variables es sustentada por la estimación de correlaciones cruzadas del creci-miento y la inflación respecto a las variables antes mencionadas. En los gráficos 9 y 10 del anexose observa que adelantos y rezagos de las variables seleccionadas están correlacionadas de formasignificativa con el crecimiento y la inflación.

El modelo BVAR permitiría analizar un amplio conjunto de choques macroeconómicos, los cualesson clave en la dinámica del crecimiento y de la inflación. Específicamente, por el lado del bloquede variables externas se modelan choques a la demanda externa (𝜀𝑦∗,𝑡), choques a la tasa de interésinternacional (𝜀𝑖∗,𝑡), choques de precios del petróleo (𝜀𝑝𝑜,𝑡) y choques de precios de alimentos (𝜀𝑝𝑎,𝑡).Por el lado de las variables domésticas, se modelan cambios en la tasa de interés (𝜀𝑖,𝑡), choques de



gasto de gobierno (𝜀𝑔,𝑡), choques a la producción doméstica (𝜀𝑦,𝑡), choques nominales canalizadosa través de las reservas internacionales (𝜀𝑟𝑖𝑛,𝑡) y choques de precios domésticos (𝜀𝑖𝑛𝑓,𝑡).

En particular, el choque 𝜀𝑦∗,𝑡 es de gran relevancia para Nicaragua, dada la alta sincronizaciónentre el ciclo económico de EEUU y Nicaragua. Existen diversas razones por las cuales hay unaestrecha relación entre ambos. Por ejemplo, EEUU es el principal socio comercial de Nicaragua, esel principal origen de las remesas, el córdoba se devalúa a un ritmo constante respecto al dólar y,esta moneda es utilizada de manera amplia como reserva de valor y unidad de cuenta en Nicaragua.

Adicionalmente, 𝜀𝑖∗,𝑡 permite capturar cambios en la política monetaria de EEUU, los cuales afec-tan los costos de fondeo de los bancos y, en última instancia, generarían un endurecimiento de lascondiciones financieras domésticas. Esto puede llevar a una caída en la inversión. Adicionalmen-te, puede generar una caída aún mayor en el crecimiento por la naturaleza del régimen cambiario,pues no existiría una compensación por el lado del sector externo (debido a una mayor depreciacióndel tipo de cambio). Dado esto, y el hecho de que EEUU inició un proceso gradual de normaliza-ción de su política monetaria, es importante para las autoridades del BCN el conocer y analizar lasconsecuencias de esta política externa.

Para el caso de 𝜀𝑝𝑜𝑖𝑙,𝑡, Nicaragua es altamente sensible a choques de precio de petróleo porquesu estructura productiva depende de las importaciones de esta materia prima. Por ejemplo, casi lamitad de la energía que se produce en Nicaragua proviene de combustibles fósiles. En este senti-do, los esfuerzos del gobierno por transformar la matriz energética han sido cruciales para reducirla dependencia en este commodity. Por el lado de 𝜀𝑝𝑓𝑜𝑜𝑑,𝑡, permite choques que afectan la ofertainterna de alimentos. Los precios de alimentos es uno de los principales factores que contribuyen ala tasa de inflación en Nicaragua.

Por su parte, el choque 𝜀𝑖,𝑡, recoge condiciones financieras en Nicaragua. El sistema financierojuega un rol crucial en el desempeño de la economía doméstica, y las tasas de interés reflejan loscambios en los costos de fondeo para firmas y empresas. Asimismo, 𝜀𝑔,𝑡 permite modelar cambiosen la política fiscal. Esto es muy importante ya que Nicaragua tiene un crawling peg como arreglocambiario. Debido a esto, según el modelo de Mundell-Fleming, la política monetaria no es efectivapara mitigar fluctuaciones bruscas en el ciclo económico, por lo que este rol debe de ser desempe-ñado por la política fiscal.

Por su parte, 𝜀𝑦,𝑡 modela los cambios en la estructura de costos marginales de las empresas do-mésticas dentro de Nicaragua, por ejemplo, choques de naturaleza climática, cambios en políticassalariales, choques de productividad, entre otros. Para el caso de 𝜀𝑟𝑖𝑛,𝑡, los choques nominalesson comprendidos como los principales determinantes de las fluctuaciones en el tipo de cambio.Debido a que Nicaragua tiene un tipo de cambio con deslizamiento respecto al dólar, los choquesnominales repercuten de forma directa sobre la acumulación de reservas internacionales del BCN.Finalmente, 𝜀𝑖𝑝𝑐,𝑡 recoge choques de precios domésticos.



3.1 Especificación de la información prior

Con respecto a la fijación de la distribución prior para los valores de largo plazo de las variablesantes mencionadas, 𝜇 es fijado como un intervalo de confianza al 95 por ciento para las seriesde tiempo en 𝑥𝑡. Estos intervalos de confianza se construyen de forma subjetiva como en Dieppe,Legrand y Roye (2016), no obstante también toman en consideración evidencia empírica previa y elcomportamiento de los datos.

Particularmente, la información prior para el crecimiento de EEUU se utilizan estimaciones de laReserva Federal de St. Louis. Así, el límite inferior y superior del intervalo de confianza son fijados demodo que repliquen estimaciones mínimas y máximas del PIB potencial para el período 2017-2019.Para la tasa de Bonos del Tesoro a 3 meses se asume que la Reserva Federal aumentará su tasa depolítica en 150 puntos básicos, lo cual es consistente con una media prior de 2.01 por ciento. Losprecios del petróleo se asumen como altamente inciertos, por lo que se impone una mayor varianzaa este intervalo de confianza (3.83%). Sin embargo, la información prior sugiere que en el medianoplazo los precios del petróleo aumentarán. Para el caso de los precios de los alimentos, se esperaque estos también aumenten, aproximadamente 1.5 por ciento.

En cuanto a las variables domésticas, por simplicidad, se supone un traspaso completo de las varia-ciones de la tasa de interés internacional sobre la tasa doméstica. Esto implica que en el horizonteestipulado las tasas de interés domésticas aumentarían en 150 puntos básicos. El intervalo de con-fianza para el crecimiento se fija entre 4.3 y 4.7 por ciento, con una desviación estándar de 0.10por ciento. Este intervalo de confianza se construye alrededor de las estimaciones del PIB potencialde Nicaragua. En este sentido, la media prior proviene de la fuerte correlación contemporánea entreel IMAE y el PIB de Nicaragua2 y de estimaciones del PIB potencial realizadas en Urbina (2015). Ladesviación estándar se fija relativamente baja debido a la similitud de estas estimaciones respectoa las realizadas por el Banco Central de Nicaragua y el Fondo Monetario Internacional.

Para el caso de la inflación de mediano plazo, está en línea con sus determinantes de medianoplazo, que son la tasa de devaluación (5%) y el objetivo de inflación de EEUU (2%). El límite inferiores fijado en 5.0 por ciento y el límite superior en 9.0, lo que implícitamente sugiere una mediaprior de 7.0 por ciento y una desviación estándar de 1.02. Finalmente, para el caso de las reservasinternacionales se fija un intervalo de confianza [5%, 6.7%], el cual es fijado en consonancia con lasproyecciones de mediano plazo del Programa Monetario 2017 del Banco Central de Nicaragua, elcual fue revisado en abril 2017. Las proyecciones del Programa Monetario sugieren un crecimientode mediano plazo para las reservas internacionales de 6.1 por ciento, lo que implica una desviaciónestándar de 0.56. Finalmente, para el caso del gasto del gobierno el intervalo de confianza se fijade forma que su media sea igual a la media histórica. En la tabla 1 se presentan a manera deresumen las priors impuestas a 𝜇.

Finalmente, todos los datos se obtienen de la página web del Banco Central de Nicaragua, la Re-serva Federal de St. Louis, el Fondo Monetario Internacional yMacroeconomic Advisors (ver tabla 3).

2Esta correlación se estima que es aproximadamente de 0.8, estadísticamente significativa



Tabla 1: Priors de Estado Estacionario(por ciento)

Variables Límite Media Límite Desviacióninferior (prior) superior estándar

𝑦∗𝑡 1.58 1.66 1.76 0.05

𝑖∗𝑡 1.76 2.01 2.26 0.13𝑝𝑜

𝑡 2.50 5.00 12.50 3.83𝑝𝑎

𝑡 0.00 1.50 3.00 0.77𝑖𝑡 12.40 12.65 12.90 0.13𝑔𝑡 11.64 12.74 13.83 0.56𝑦𝑡 4.30 4.50 4.70 0.10

𝑟𝑖𝑛𝑡 5.00 6.10 6.70 0.56𝑖𝑛𝑓𝑡 5.00 7.00 9.00 1.02

Fuente: Elaboración propia.

3.2 Identificación de choques estructurales

Para analizar los determinantes del crecimiento económico y la inflación de Nicaragua es necesarioimponer algunas restricciones sobre el BVAR para identificar los choques estructurales del modelo.Esto es porque el vector de errores de pronósticos 𝜖𝑡 es una combinación lineal de los choquesestructurales de la economía, tales como 𝜀𝑦∗,𝑡 y 𝜀𝑔,𝑡. Para ello, la ecuación 2, la cual es el BVAR ensu forma reducida, debe de ser reescrito en su forma estructural, esto es:

Π0𝑥𝑡 = Π0Ψ𝑑𝑡 − (Π1(𝑥𝑡−1 − Ψ𝑑𝑡−1) + ⋯ + Π𝑝(𝑥𝑡−𝑝 − Ψ𝑑𝑡−𝑝)) + 𝜖𝑡 (5)

Π0 es la matriz de efectos contemporáneos de la variable 𝑖 sobre sí misma y las demás variablesque integran el BVAR. Al pre-multiplicar cada lado de la ecuación 5 por la matriz inversa Π−1

0 seobtiene que:

𝑥𝑡 = Ψ𝑑𝑡 − Π−10 (Π1(𝑥𝑡−1 − Ψ𝑑𝑡−1) + ⋯ + Π𝑝(𝑥𝑡−𝑝 − Ψ𝑑𝑡−𝑝)) + Π−1

0 𝜖𝑡 (6)

donde Π−10 𝜖𝑡 puede ser reescrito como 𝜀𝑡. Para identificar 𝜀𝑡 es suficiente con imponer 10 restric-

ciones.3

La estrategia de identificación consiste en una descomposición de Choleski para la matriz de efectoscontemporáneos de las variables. Si bien a priori esta descomposición no genera una interpretacióneconómica factible para los choques estructurales, mediante ciertos supuestos relacionados al or-denamiento de las variables se le puede dotar de contenido económico.

En primer lugar se reconoce el hecho de que Nicaragua es una economía pequeña y abierta. Porlo tanto, el conjunto de datos se ordena de forma tal que las variables externas preceden temporal-mente a las variables domésticas. Esto implica que las variables externas son insensibles a cambios

3El número de restricciones está dado por (𝑛2 − 𝑛)/2, donde 𝑛 es el número de variables incluidas en el VAR.



contemporáneos en las variables domésticas.

Dada esta separación del conjunto de datos, se deben ordenar de forma adecuada cada una de lasvariables que componen cada bloque. Este ordenamiento se decide utilizando pruebas de causali-dad en el sentido de Granger (1969) (ver tablas 4 y 5). Cabe mencionar que esta prueba estadísticano se interpreta como causalidad en el sentido estricto, sino que se refiere a la precedencia temporalde las series de tiempo. En aquellos casos en los que el test no es conclusivo, se utilizan modeloseconómicos de referencia para imponer estas restricciones.

Para el caso del bloque de variables externas, las pruebas de causalidad de Granger muestran quela tasa de interés de los Bonos del Tesoro a 3 meses precede temporalmente al crecimiento de EEUU,y no al sentido contrario. En segundo lugar, las pruebas sugieren que el PIB de EEUU precede tem-poralmente a los precios de alimentos (lo cual es válido para el test con rezagos desde 1 hasta 3).En tercer lugar, el precio de los alimentos precede temporalmente al precio del petróleo (el test esrobusto hasta para 12 rezagos). Dado lo anterior, el ordenamiento que se le da a las variables delbloque externo es el siguiente: 𝑖∗𝑡 ⟶ 𝑦∗

𝑡 ⟶ 𝑝𝑎𝑡 ⟶ 𝑝𝑜

𝑡 .

Para el caso de las variables domésticas las pruebas de causalidad de Granger no son conclusivas.En primer lugar, como la variable más exógena del sistema se selecciona al gasto del gobierno,pues es la variable de política fundamental para el caso de Nicaragua. En segundo lugar se eligenlas reservas internacionales, las cuales constituyen el objetivo operativo del Banco Central de Nica-ragua, las cuales, según el test de causalidad a la Granger, preceden temporalmente a la tasa deinterés. Finalmente, la prueba de causalidad a la granger entre la inflación y el crecimiento sugiereque se ordene como más exógena a la inflación. Dado lo anterior, el ordenamiento que se le da alas variables del bloque externo es el siguiente: 𝑔𝑡 ⟶ 𝑟𝑖𝑛𝑡 ⟶ 𝑖𝑡 ⟶ 𝑖𝑝𝑐𝑡 ⟶ 𝑦𝑡.

4 Análisis de sensibilidad del crecimiento y la inflación

A través de las funciones impulso respuesta, la descomposición de varianzas y la descomposiciónhistórica de los choques estructurales, se analizan los determinantes de corto plazo para el caso delcrecimiento en Nicaragua y la inflación.

4.1 Crecimiento económico

En la figura 1 se muestran las funciones impulso-respuesta (FIR) para el caso del crecimiento. Enprimer lugar, si se analiza la respuesta del crecimiento por el lado de las variables del bloque externose observa que en todos los casos, excepto el precio del petróleo, el crecimiento responde de for-ma positiva luego del primer mes. Particularmente, las FIR sugieren que ante un choque positivo aldinamismo económico de EEUU aumenta el crecimiento de Nicaragua, el cual es estadísticamentesignificativo durante 19 meses después del choque. En términos acumulados, un choque de 1 des-viación estándar en el crecimiento de EEUU implica una mediana de crecimiento para Nicaraguade 2.8 por ciento.



Figura 1: Funciones Impulso-Respuesta del Crecimiento

Tasa de interés doméstica Inflación Crecimiento económico

Tasa de Interés International Crecimiento de EE.UU. Precios de alimentos

Precios del petróleo Gasto del Gobierno Reservas Internacionales

-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.1%0.0%0.1%0.2%0.3%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.2%-0.1%0.0%0.1%0.2%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.6%-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.2%-0.1%0.0%0.1%0.2%0.3%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.2%-0.1%0.0%0.1%0.2%0.3%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.2%

-0.1%

0.0%

0.1%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.4%

-0.2%

0.0%

0.2%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.4%-0.2%0.0%0.2%0.4%0.6%

1 5 10 15 20 25 30 35

IC al 95% mediana


Este resultado se podría explicar debido a la alta sincronización entre el ciclo económico de EEUUy el de Nicaragua4. Estimaciones con mínimos cuadrados ordinarios y mínimos cuadrados en dosetapas sugieren que una desviación de 1 por ciento frente a su comportamiento de tendencia del PIBde EEUU generaría una desviación respecto al PIB potencial de Nicaragua entre 0.9 y 0.8 por ciento.

Para el caso del aumento de la tasa de interés internacional, el modelo sugiere un mayor dinamismopara el crecimiento, aunque con cierto rezago, pues no reacciona de forma contemporánea. Ade-más, el efecto de una política monetaria contractiva de EEUU aumentaría el dinamismo económicoen un horizonte de aproximadamente 24 meses. El modelo de Mundell-Fleming sugiere que un au-mento de la tasa de interés internacional es equivalente a una política fiscal contractiva para el casode una economía abierta con tipo de cambio fijo, pues genera un encarecimiento de la inversiónsin una compensación por el lado del sector externo debido a la no depreciación del tipo de cambio.

La razón de esta divergencia entre el modelo de Mundell-Fleming y el BVAR estimado podría obe-

4El coeficiente de correlación entre el ciclo económico de EEUU y el de Nicaragua es de 0.8 por ciento. El cicloeconómico de ambos es calculado como las desviaciones porcentuales con respecto al PIB trimestral de tendencia. Latendencia es calculada mediante un filtro de Hodrick-Prescott, utilizando el parámetro de suavizamiento sugerido de 1,600para datos trimestrales



Tabla 2: Sincronización del ciclo económico de Nicaragua y EEUU

Variable MCO MC2E

Constante -0.0069 0.0222[0.1432] [0.1447]

Ciclo Económico de EEUU 0.9072 *** 0.7948 ***[0.1853] [0.2444]

Ciclo Económico de Nicaragua (t-1) 0.4578 *** 0.4986 ***[0.1029] [0.1183]

𝑅2 0.77 0.77��2 0.76 0.76Estadístico F 65.15 *** 58.60Estadístico J n.a. 1.16

Errores estándar entre corchetes ”[ ]”p-value: ***< 0.01, **< 0.05, *< 0.1n.a.: No Aplica.


decer a tres factores. En primer lugar, el córdoba no se mantiene completamente fijo frente al dólar.En este sentido, la política cambiaria del país permite una devaluación del 5 por ciento anual delcórdoba frente al dólar. Si bien esta depreciación es fija, en contextos de inflación baja y establepermitiría generar pequeñas depreciaciones del tipo de cambio real y, por ende, algunas gananciasen la competitividad del país, que mitigarían hasta cierto punto las condiciones financieras interna-cionales más restrictivas.

En segundo lugar, la política monetaria de EEUU es más contractiva cuando la economía presentacondiciones de sobrecalentamiento (rápido crecimiento económico y tasas de inflación elevadas).Debido a la alta sincronización entre el ciclo económico de EEUU y el de Nicaragua, alzas en latasa de interés son coherentes con un buen dinamismo de la economía estadounidense, lo cualincidiría positivamente en el crecimiento del país. Así, el canal de demanda externa compensaría elincremento en la tasa de interés internacional.

En tercer lugar, las tasas de interés domésticas presentan una alta persistencia. Estimaciones reali-zadas en Clevy (2015) sugieren que la tasa pasiva presenta una persistencia entre 0.94 y 0.95 porciento. De hecho, un aumento de 100 puntos básicos en la tasa de interés internacional implicaríaen el corto plazo un incremento de 6.1 puntos básicos de la tasa de interés doméstica. Al controlarpor factores microeconómicos como el grado de concentración bancaria y el nivel de riesgo crediti-cio, el traspaso disminuye a un rango entre 2.2 y 3.5 puntos básicos. En el largo plazo, el traspasode la tasa de interés internacional a las tasas domésticas tampoco es completo. Sus estimacionessugieren que el traspaso en el largo plazo, dado un aumento de 100 puntos básicos en la tasa deinterés internacional, estaría en un rango entre 43.5 y 71 puntos básicos. Esta evidencia sugeriríaque los cambios en los costos de invertir en el país no variarían en la misma magnitud que la tasade interés internacional, lo cual debilitaría la incidencia del canal de inversión como lo sugerido por



Figura 2: Multiplicadores Fiscales


el modelo de Mundell-Fleming.

Por su parte, un choque de precios de petróleo generaría un menor dinamismo para el caso de Ni-caragua. Concretamente, reduce el crecimiento del IMAE durante dos meses después del choque.Luego, su efecto no es estadísticamente significativo. Por su parte, el choque de precios de alimentostiene una incidencia mixta en el crecimiento económico. Aproximadamente para los primeros 12meses después choque un aumento de una desviación estándar del precio de los alimentos propiciaun mayor crecimiento, luego el dinamismo económico se reciente debido a este choque.

En términos de los efectos de las variables domésticas, una política fiscal expansiva aumenta eldinamismo económico a lo largo de tres meses. Después de este tiempo, el efecto de sobre el creci-miento no es estadísticamente significativa. Este resultado es coherente respecto a los hallazgos deGarry, S. y Rivas, J.C. (2017) quienes encuentran una débil respuesta del crecimiento a la políticafiscal. Ellos estiman que para el caso del gasto de capital, el multiplicador es negativo, no obstanteel multiplicador de gasto corriente tiene un importante impacto acumulativo en el crecimiento. Eneste sentido, se computó el multiplicador fiscal para el gasto total del gobierno a partir de las FIR.El multiplicador fiscal tiene un comportamiento en forma de U. Inicialmente, el choque contribuyeal crecimiento en los primeros tres meses. En 24 meses el multiplicador es negativo, debido a laincidencia del gasto de capital, mientras que en 36 meses el multiplicador es positivo nuevamen-te, debido a la importancia acumulada del gasto corriente (ver figura 2). Adicionalmente, el gastocorriente ha aportado en el período 2015-2016 0.2 puntos porcentuales al crecimiento del IMAE(4.6% en promedio), por lo que se debe profundizar en el análisis de los multiplicadores fiscales ylas causas que hacen que su contribución sea baja.



El choque de reservas internacionales contribuye a mejorar el dinamismo económico, aunque la inci-dencia de este choque es estadísticamente significativo solo en los primeros tres meses. Los choquesde inflación generan costos en términos de crecimiento económico. Esto va en línea con el hechode que la inflación genera distorsiones en los precios relativos de los bienes y servicios transados enla economía lo que, en última instancia, genera decisiones subóptimas por parte de los agentes y,como consecuencia, deriva en una mala asignación de los recursos.

El análisis anterior sugiere que la dinámica de crecimiento de Nicaragua es susceptible tanto afactores domésticos y externos. Mediante el análisis de descomposición de varianzas se puede de-terminar el grado de importancia de estos factores. El gráfico 3 muestra que en un horizonte de untrimestre el crecimiento de Nicaragua está determinado en un 93 por ciento por choques genera-dos a nivel doméstico. En particular, los choques de oferta interna, es decir, aquellos relacionadoscon los factores climáticos, programas dirigidos hacia la mejora de la productividad total de losfactores, cambios en la estructura de salarios, entre otros, son los más relevantes para explicar ladinámica del crecimiento económico. Este resultado, no obstante es válido en el corto plazo, en unhorizonte de menos de un año. Concretamente, el 89.5 por ciento de la variabilidad del crecimientoes explicado por factores de oferta en el primer mes, en un horizonte de tiempo de 12 meses, losfactores de oferta explican el 55.4 por ciento del crecimiento, mientras que a 36 meses 29.3. Estosresultados se encuentran en línea con los obtenidos por Gámez (2006), quién encuentra que loschoques de oferta tienen una alta contribución en el corto plazo, pero ésta va disminuyendo en lamedida que se extiende el horizonte de análisis. Particularmente, Gámez (ibíd.) encuentra que el 65y 41 por ciento del crecimiento económico en un horizonte de 1 y 15 meses, respectivamente.

En la medida que se analizan horizontes de tiempomás alejados, los factores externos logran explicaruna mayor proporción de la variabilidad del crecimiento económico. En un horizonte de 12 meseslos choques externos representan el 36.5 por ciento de la variabilidad del crecimiento, mientras quepara horizontes de 24 y 36 meses estos son 46.9 y 54.9 por ciento de la varianza del crecimiento.Esto indica que el crecimiento económico de Nicaragua es muy sensible a la evolución de las varia-bles externas, particularmente las de la economía estadounidense. En la misma línea, Gámez (ibíd.)estima que los choques externos a un horizonte de 15 meses representan el 49 por ciento de la va-riabilidad del crecimiento. La descomposición de varianzas antes analizada se muestra en la tabla 6.

Al analizar la descomposición histórica del IMAE, para el período entre 2014 y 2016 los factoresexternos han aportado, aunque no de forma elevada, al crecimiento de Nicaragua (ver figura 4). Enparticular, para el período 2014-2016 los choques externos aportaron 0.5 por ciento a la tasa decrecimiento promedio (4.5%). En particular, en el año 2014 el crecimiento económico se vio favo-recido por un contexto externo favorable. No obstante, esto se observo hacia fines de dicho año. En2015, se revirtió esta tendencia, principalmente en la segunda mitad del año, con una ralentizaciónde la demanda externa y menores precios de las materias primas, lo cual afectó al sector exportadordel país. Por su parte, en el año 2016 el aporte de los choques externos al crecimiento aumentóprincipalmente en la última mitad del año, cuando se empezaron a observar alguna mejoría en losindicadores de comercio exterior. Así, las tasas de crecimiento promedio de Nicaragua registradasen los años 2014, 2015 y 2016 fueron 4.7, 4.4 y 4.4 por ciento, respectivamente. En ausencia dechoques externos, el crecimiento que se hubiese observado en esos años es de 4.0, 3.9 y 4.0 porciento, respectivamente.



Figura 3: Descomposición de Varianzas: IMAE

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1 3 6 12 24 36

Meses

Factores Domésticos Factores Externos


El análisis anterior sugiere que el crecimiento de Nicaragua es sensible tanto a los factores domés-ticos como externos. La importancia de estos factores depende del horizonte de tiempo que se estéanalizando. Así, en el corto plazo los factores domésticos, especialmente aquellos relacionados conlos choques de oferta, son más relevantes para explicar las dinámicas de crecimiento. No obstante,la importancia relativa de los choques externos respecto a los domésticos es creciente en el horizontetemporal del análisis.

4.2 Inflación

En la figura 5 se muestran las FIR para el caso de la inflación. En primer lugar, la inflación disminuyeante un aumento de la tasa de interés internacional en el primer mes después del choque. El efectoacumulado en un año de un choque de tasa de interés hace que la inflación disminuya, sin embargoeste efecto es estadísticamente no significativo.

Para el caso de los choques de demanda externa, las FIR muestran que un choque de este tipo generapresiones inflacionarias más allá de un horizonte de 12 meses, siendo estadísticamente significativo.

Con respecto a la incidencia de los precios de los alimentos y del precio del petróleo, en la figura11 del anexo se muestran las razones entre el índice de precio del petróleo y el índice de precios de



Figura 4: Descomposición Histórica del IMAE (2014-16)

2.0%

2.5%

3.0%

3.5%

4.0%

4.5%

5.0%

5.5%

E14 A J O E15 A J O E16 A J O

Contribución de Choques Externos IMAE Sin Choques Externos IMAE


alimentos a razón del índice de precios al consumidor de Nicaragua. A lo largo de gran parte dela muestra estas razones mantienen un elevado grado de asociación lineal. En este sentido, el mo-delo da evidencia de la alta sensibilidad de la inflación a los choques de precios de alimentos y depetróleo. En particular, un alza en el precio de los alimentos tiene una incidencia positiva, estadísti-camente significativa, desde el primer mes que se observa el choque hasta 22 meses después. Así, elefecto contemporáneo de un choque de inflación de alimentos es 0.1 por ciento, mientras que en eltranscurso de un año este choque generaría presiones inflacionarias acumuladas entre 4.0 y 7.5 porciento. Por su parte, el precio del petróleo tienen también una incidencia positiva, estadísticamentesignificativa, desde el primer mes en que se observa el choque hasta 10 meses después. El efectocontemporáneo suscita un aumento de la inflación de 0.3 por ciento y en términos acumulados, enun año el choque de precios de petróleo supone presiones inflacionarias entre 1.8 y 4.4 por ciento.

Debido a la gran importancia de estos choques para la dinámica inflacionaria de Nicaragua, secalcula el coeficiente de traspaso del choque de precios de alimentos y del choque de precios delpetróleo hacia la inflación, siguiendo la metodología de Juste, S. y Sansone, A. (2015), la cual seresume en la ecuación 7.

El coeficiente de traspaso (𝐶𝑇 ℎ𝑖 ) en ℎ meses es computado como la función impulso respuesta acu-

mulada debido al choque 𝑖 (=alimentos, petróleo), lo cual se denota como 𝐹𝐼𝑅ℎ𝑖𝑛𝑓,𝑖. Además,

para normalizar este número, se divide 𝐹𝐼𝑅ℎ𝑖𝑛𝑓,𝑖 entre la función impulso respuesta acumulada del

choque 𝑖 en sí mismo en ℎ meses, esto es, 𝐹𝐼𝑅ℎ𝑖,𝑖. En la figura 6 se muestran los coeficientes de



Figura 5: Función Impulso-Respuesta de la Inflación

Tasa de interés doméstica Inflación Crecimiento económico

Tasa de Interés International Crecimiento de EE.UU. Precios de alimentos

Precios del petróleo Gasto del Gobierno Reservas Internacionales

-0.5%

0.0%

0.5%

1.0%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.5%

0.0%

0.5%

1.0%

1 5 10 15 20 25 30 35

IC al 95% mediana

-1.0%-0.5%0.0%0.5%1.0%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.6%-0.4%-0.2%0.0%0.2%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.5%

0.0%

0.5%

1.0%

1 5 10 15 20 25 30 35

IC al 95% mediana

-0.6%-0.4%-0.2%0.0%0.2%0.4%

1 5 10 15 20 25 30 35

IC al 95% mediana


traspaso calculados. Estos reflejan que la inflación es más sensible a las variaciones de los preciosde los alimentos, por ejemplo éstos se traspasan 3.0 por ciento en el primer mes, 16.1 en 12 mesesy 28.4 en 24 meses. Por su parte, los choques de precios del petróleo se traspasan 2.6 por cientoen un mes, 6.4 en 12 meses y 7.3 en 24 meses.

𝐶𝑇 ℎ𝑖 =

𝐹𝐼𝑅ℎ𝑖𝑛𝑓,𝑖

𝐹𝐼𝑅ℎ𝑖,𝑖

(7)

Para el caso de la variables domésticas, en su mayoría estas no tienen una incidencia estadística-mente significativa sobre la tasa de inflación. No obstante, se debe enfatizar en el comportamientode la inflación ante choques de tasa de interés doméstica. En este caso, la inflación es insensible alas variaciones de la tasa de interés, lo cual sugiere un traspaso de cero desde la tasa de interés ala inflación. Esto se debe a que en Nicaragua, dada la naturaleza del régimen cambiario, la tasade interés no es utilizada como instrumento de política monetaria. No obstante, la experiencia in-ternacional sugiere que generalmente este es un instrumento efectivo para el control de la inflación,por lo que su implementación debería de ser considerada por los policy markers.

Al analizar la descomposición de varianzas de la inflación (ver figura 7), se observa que los choques



Figura 6: Coeficientes de Traspaso (𝑝𝑎𝑡 y 𝑝𝑜

𝑡 )

1 12Alimentos 3.0% 16.1%Petróleo 2.6% 6.4%

i Meses

0%

5%

10%

15%

20%

25%

30%

35%

1 5 9 13 17 21 25 29 33

Meses

Alimentos

0%

2%

4%

6%

8%

1 4 7 10 13 16 19 22 25 28 31 34

Meses

Petróleo


externos explican una proporción muy importante. Si bien en tres meses los factores domésticosexplican el 71 por ciento de la varianza de la tasa de inflación, luego de 6, 12 y 24 meses losfactores externos explican el 47.5, 68.4 y 71.2 por ciento, respectivamente. Esto sugiere que latasa de inflación es un fenómeno que, en su mayoría responde a choques originados en el exterior,considerando que los factores domésticos explican menos del 30 por ciento de la varianza de lainflación en un horizonte de 24 meses. La información antes analizada se detalla en la tabla 7.

Al analizar la evolución de la inflación mediante la descomposición histórica de la serie (ver figura8), los factores externos han contribuido a mantener una tasa por debajo de los fundamentales demediano plazo de la inflación de Nicaragua. En este sentido, los factores externos han contribui-do, en promedio, a disminuir la tasa de inflación en -0.9, -3.8 y -3.5 por ciento en 2014, 2015 y2016, respectivamente. No obstante lo anterior, se debe destacar que aún en ausencia de choquesexternos, Nicaragua hubiese registrado inflaciones de un dígito, y en línea con sus fundamentalesde mediano plazo.

Particularmente, en 2015 la caída en los precios del petróleo contribuyeron con una disminución dela tasa de inflación de 1.1 por ciento en promedio. En 2016, el adecuado abastecimiento internode alimentos, la estabilidad de los precios internacionales y precios del petróleo relativamente bajoscontribuyeron a la disminución de la inflación en 2.4 por ciento. Por su parte, los determinantes demediano plazo de la inflación (el deslizamiento cambiario y la inflación internacional) constituyeronel principal factor inflacionario del país.

El análisis anterior sugiere que la inflación es un fenómeno que es muy sensible a las variables ex-



Figura 7: Descomposición de Varianzas de la Inflación

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1 3 6 12 24 36

Meses

Factores Domésticos Factores Externos


ternas. En menos de un año, más del 50 por ciento de la dinámica inflacionaria obedece a factoresexternos. Esto indica que las variaciones en el costo de la vida en Nicaragua son susceptibles afactores que no son controlados. Debido a que la inflación es costosa, pues afecta la estructura deprecios relativos de la economía y propicia una asignación ineficiente de recursos, los policy ma-kers deben implementar políticas encaminadas a reducir esta vulnerabilidad de la inflación. En estesentido, y considerando que existen espacios para hacer de la tasa de interés un instrumento parael control de la inflación, se sugiere considerar un régimen monetario en el cual la tasa de interéssea el principal instrumento de política monetaria y que permita alcanzar una meta de inflaciónrelativamente baja. Esta alternativa, a nivel de la región de Centroamérica y República Dominicana,es la aplicada actualmente por Costa Rica, Guatemala y República Dominicana.

5 Análisis de robustez

En esta sección se presentan los resultados del análisis de sensibilidad del crecimiento y la inflaciónutilizando un método de identificación alternativo a la estrategia descrita en la sección 3. La racio-nalidad del análisis de robustez es que la estrategia de identificación a través de la descomposiciónde Choleski es sensible al ordenamiento de las variables5. Por tal motivo, como alternativa de iden-

5Además, se realizó un ejercicio de robustez adicional al cambiar la especificación del BVAR utilizando el primercomponente principal de las variables que componen el bloque de variables externas. Para el caso de la inflación, los



Figura 8: Descomposición Histórica de la Inflación (2014-16)

0.0%

1.0%

2.0%

3.0%

4.0%

5.0%

6.0%

7.0%

8.0%

9.0%

10.0%

E14 A J O E15 A J O E16 A J O

Contribución de Choques Externos Inflación Inflación Sin Choques Externos


tificación se utilizarán las funciones impulso respuesta generalizadas, desarrolladas por Pesaran, H.y Shin, Y. (1998). Esta estrategia es insensible al ordenamiento de las variables.

Las funciones impulso respuesta generalizadas se definen a partir de un modelo VAR en su formareducida, como el de la ecuación 1. Para simplificar la notación, supongamos que el modelo noincluye variables exógenas (𝜙𝑑𝑡 = 0). Además, suponiendo que el sistema cumple con la condiciónde estabilidad, este puede ser reescrito como un vector de medias móviles infinito, es decir:

𝑥𝑡 =∞∑𝑡=0

𝐴𝑖𝜀𝑡−𝑖 (8)

Donde𝐴0 es igual a la matriz identidad y𝐴𝑖 ≠ 0, ∀𝑖 > 0. La función impulso respuesta generalizadamide los efectos de diferentes choques en un punto particular en el tiempo sobre el valor esperadode los valores futuros de las variables en el sistema dinámico representado en la ecuación 8.

Pesaran, H. y Shin, Y. (ibíd.) denotan la historia de la economía hasta el tiempo 𝑡 − 1 como unconjunto de información no decreciente Ω𝑡−1; la función impulso respuesta generalizada de 𝑥𝑡 a unhorizonte de 𝑛 períodos está definida como:

𝐹𝐼𝑅𝐺𝑥 = (𝑛, 𝛿, Ω𝑡−1) = E(𝑥𝑡+𝑛|𝜀𝑡 = 𝛿, Ω𝑡−1) − E(𝑥𝑡+𝑛|Ω𝑡−1) (9)

resultados son robustos a lo encontrado en el caso base, mientras que para el crecimiento esta especificación alternativasugiere una menor participación de los choques externos a la dinámica del crecimiento respecto al caso base.



donde 𝐹𝐼𝑅𝐺𝑥 denota la función impulso respuesta generalizada y E al operador de esperanzas. Sise sustituye la ecuación 8 en 9 se obtiene que 𝐹𝐼𝑅𝐺𝑥 = (𝑛, 𝛿, Ω𝑡−1) = 𝐴𝑛𝛿, es decir, la funciónimpulso respuesta generalizada es independiente de Ω𝑡−1, pero depende de la composición de loschoques 𝛿, por lo que una apropiada identificación de los choques es crucial para las propiedadesde las funciones impulso respuesta.

Pesaran, H. y Shin, Y. (1998) proponen utilizar la ecuación 8 pero en lugar de simular un choquepara todos los elementos de 𝜀, eligen un choque al elemento 𝑗, mediante un vector de selección𝑒𝑗 (el cual está conformado por un 1 en el elemento 𝑗 y ceros en el resto de elementos) e integranlos efectos de los otros choques utilizando la distribución histórica de los errores. En este caso losefectos de un choque de una desviación estándar al elemento 𝑗 en el tiempo 𝑡 sobre los valoresesperados de 𝑥 en 𝑡 + 𝑛 es:

𝐹𝐼𝑅𝐺𝑥 = (𝑛, 𝛿, Ω𝑡−1) = √𝜎𝑗𝑗𝐴𝑛Σ𝑒𝑗, (10)

donde 𝜎𝑗𝑗 es la varianza de 𝑒𝑗 y 𝛿 = E(𝜀𝑡|𝜀𝑗,𝑡 = √𝜎𝑗𝑗).En las tablas 8 y 9 se muestran los resultados comparativos entre las contribuciones de los cho-ques externos y domésticos a la varianza del crecimiento y de la inflación. En términos generales lascontribuciones de los choques externos son menores que los encontrados con la estrategia de iden-tificación inicial, tanto para el caso del crecimiento como el de la inflación. No obstante, se debedestacar que los resultados son robustos al cambio en la estrategia de identificación en cuanto aque el aporte de los choques externos, aunque menores que en el caso base, continúan siendo muyimportantes para las dinámicas de ambas variables.

Particularmente para el crecimiento, la descomposición de varianzas inferidas a partir de las fun-ciones impulso respuesta generalizadas muestran que al cabo de un mes los choques domésticosson más importantes para explicar el crecimiento, contribuyendo con 99.9 por ciento de la varianza(97.6% en el caso base). Por su parte, al considerar un horizonte de 36 meses las contribucionesde los choques externos contribuyen con el 42 por ciento de la varianza (54.9% en el caso base),sugiriendo, aunque siempre en una cuantía importante, una menor contribución de dichos choquesa la dinámica del crecimiento.

Con respecto a la inflación, el análisis de sensibilidad entrega conclusiones similares a las del casodel crecimiento. En un mes, los choques domésticos son más importantes para la dinámica de lainflación (82.9% en el caso base versus 89.8%). Los resultados son robustos al hecho de que loschoques externos ganan importancia para explicar la dinámica de la tasa de inflación rápidamente,pues al cabo de 6 meses el análisis de sensibilidad sugiere una contribución de 45.6 por ciento(47.5% en el caso base), y al cabo de un año explican 50.6 por ciento (68.4% en el caso base).Al término de 36 meses, la dinámica de la inflación es explicada en más del 50 por ciento por losfactores externos.



6 Conclusiones

En esta investigación se realiza un análisis de la sensibilidad del crecimiento y de la inflación enNicaragua, utilizando un modelo BVAR de estado estacionario. La estimación se realiza utilizandotécnicas bayesianas con la finalidad de rehuir del problema de la dimensionalidad que aqueja a losmodelos VAR, debido a su tendencia hacia la sobreparametrización.

En el documento se presenta la cuantificación de la relevancia histórica de los choques internosy externos sobre las dinámicas del crecimiento y de la inflación. Del análisis realizado se puedendesprender algunas recomendaciones de política.

En primer lugar, el crecimiento es un fenómeno que depende en el corto plazo de factores domés-ticos y en menor proporción de factores externos. No obstante en un horizonte de 24 y 36 mesesambos tipos de factores son clave para la dinámica de crecimiento del país, y en proporciones si-milares. Debido a que los factores domésticos en su mayoría están representados por choques deoferta, los policy makers deben formular políticas encaminadas hacia la mejora de la productividadtotal de los factores.

Políticas encaminadas hacia la transformación de la matriz productiva del país son fundamentalespara potenciar el crecimiento en un horizonte de 3 años. Actualmente se llevan a cabo políticasdirigidas hacia este propósito. Por ejemplo, el modelo de diálogos y consenso entre empresarios,trabajadores y gobierno y las reuniones técnicas realizadas en el Banco Central de Nicaragua conlos sectores productivos del país. No obstante lo anterior, se deben realizar esfuerzos para diversifi-car los destinos de las exportaciones, migrar hacia un esquema productivo que de un mayor valoragregado a los productos elaborados en Nicaragua, entre otros.

Adicionalmente, las actuales políticas de demanda agregada tienen una incidencia limitada sobreel crecimiento económico. Si bien en el largo plazo la teoría Neo-Keynesiana sugiere que las po-líticas de demanda agregada no tienen incidencia sobre el crecimiento de largo plazo, en el cortoplazo permiten suavizar los ciclos económicos. Esto significa que en episodios de crisis económicas,Nicaragua contaría con un conjunto de instrumentos que le permitirían mitigar los costos de dichosepisodios. Actualmente, la política monetaria es inefectiva en este objetivo, y la política fiscal, con-siderando el ejercicio de multiplicadores fiscales y las FIR, tiene un impacto muy limitado y que seacota en un período máximo de 3 meses.

Con respecto a esta política, bajo el régimen cambiario actual la política fiscal es clave para el sua-vizamiento de los ciclos económicos. En este sentido, el modelo de Mundell-Fleming sugiere que lapolítica monetaria no es efectiva para incidir sobre el producto de corto plazo, por lo que este roldebe de ser llevado a cabo por la política fiscal. Por tal motivo, se deben realizar esfuerzos paraaumentar el valor de los multiplicadores fiscales, lo que implica la implementación de políticas quepromuevan una mayor efectividad y eficiencia del gasto público.

En segundo lugar, la inflación es un fenómeno altamente susceptible a los factores externos. En unhorizonte 1, 2 y 3 años los factores externos explican la mayor parte de la dinámica inflacionaria(68.4%, 71.2% y 69.1%, respectivamente). Con el conjunto de instrumentos actuales, la inflación



es muy vulnerable ante los choques externos. Se deben implementar políticas que permitan tener unmayor control sobre la inflación. Por ejemplo, el esquema de metas de inflación que se implementaen Costa Rica, Guatemala y República Dominicana permite incidir en la inflación utilizando la tasade interés como principal instrumento de política monetaria. Este esquema no solo implica un mayorcontrol sobre la tasa de inflación, sino que permitiría mitigar las fluctuaciones cíclicas a las que estáexpuesto el crecimiento del país debido a los factores externos.

Finalmente, la agenda de trabajo de Nicaragua es vasta. Los resultados presentados en el documen-to sugieren que se debe potenciar la efectividad de la política fiscal y, además, fortalecer el rol de lapolítica monetaria. En el corto y mediano plazo, esta agenda podría representar cambios importan-tes dentro del país, como por ejemplo una mayor flexibilidad del tipo de cambio. Sin embargo, conun plan de desarrollo estructurado y transparente, se podrían alcanzar mejoras significativas en arasde potenciar la efectividad de ambas políticas, las cuales permitirían a las autoridades propiciar unasenda de crecimiento económico sostenible.

Referencias

Abrego, L. y Osterholm, P. (2010). “External Linkages and Economic Growth in Colombia: Insightsfrom a Bayesian VAR Model”. En: The World Economy 33.12, págs. 1788-1810. url: http://EconPapers.repec.org/RePEc:bla:worlde:v:33:y:2010:i:12:p:1788-1810.

Acevedo, Ivonne (2013). Modelos de Serie de Tiempo para Pronóstico del IMAE. Documentos deTrabajo No. 36. Banco Central de Nicaragua.

Adolfson, Malin y col. (dic. de 2007). “Modern Forecasting Models in Action: Improving Macroeco-nomic Analyses at Central Banks”. En: International Journal of Central Banking 3.4, págs. 111-144.url: https://ideas.repec.org/a/ijc/ijcjou/y2007q4a4.html.

Banbura, Marta, Domenico Giannone y Lucrezia Reichlin (2010). “Large Bayesian VARs”. En: Journalof Applied Econometrics 25, págs. 71-92.

Bello, Oknan (2007). Modelo Macroeconométrico de Proyección de Corto Plazo para Nicaragua.Documento de Trabajo No. 09. Banco Central de Nicaragua.

Clevy, Jean Francois (2015). “Estructura Microeconómica y Rigideces de Tasas de Interés: Evidenciapara Nicaragua”. En: Revisa de Economía y Finanzas Vol. 2, págs. 1-26.

De Mol, Christine, Domenico Giannone y Lucrezia Reichlin (oct. de 2008). “Forecasting using alarge number of predictors: Is Bayesian shrinkage a valid alternative to principal components?”En: Journal of Econometrics 146.2, págs. 318-328. url: https://ideas.repec.org/a/eee/econom/v146y2008i2p318-328.html.

DelNegro, M. y Schorfheide, F. (2011). “The Oxford Handbook of Bayesian Econometrics”. En:ed. por John Geweke, Gary Koop y Herman van Dijk. Oxford University Press. Cap. BayesianMacroeconometrics, págs. 293-389.

Dieppe, Alistair, Romain Legrand y Björn van Roye (jul. de 2016). The BEAR toolbox. Working PaperSeries 1934. European Central Bank. url: https://ideas.repec.org/p/ecb/ecbwps/20161934.html.


http://EconPapers.repec.org/RePEc:bla:worlde:v:33:y:2010:i:12:p:1788-1810


https://ideas.repec.org/a/ijc/ijcjou/y2007q4a4.html

https://ideas.repec.org/a/eee/econom/v146y2008i2p318-328.html


https://ideas.repec.org/p/ecb/ecbwps/20161934.html



Gámez, Oscar (2006). “Identificación y medición de las contribuciones relativas de los shocks es-tructurales en la economía nicaraguense”. En: Revista Monetaria. Centro de Estudios MonetariosLatinoamericanos (CEMLA) 29.4.

Garry, S. y Rivas, J.C. (2017). “An analysis of the contribution of public expenditure to economicgrowth and fiscal multipliers in Mexico, Central America and the Dominican Republic, 1990-2015”. En: Economic Comission for Latin America and the Caribbean (ECLAC).

Giannone, Domenico, Michele Lenza y Giorgio E. Primiceri (mayo de 2015). “Prior Selection forVector Autoregressions”. En: The Review of Economics and Statistics 97.2, págs. 436-451. url:https://ideas.repec.org/a/tpr/restat/v97y2015i2p436-451.html.

Granger, Clive (1969). “Investigating Causal Relations by Econometric Models and Cross-SpectralMethods”. En: Econometrica 37.3, págs. 424-38. url: http : / / EconPapers . repec . org /RePEc:ecm:emetrp:v:37:y:1969:i:3:p:424-38.

Juste, S. y Sansone, A. (2015). “Exchange rate pass-through to prices: VAR evidence for Chile”. En:Documentos de Trabajo. No. 747. Banco Central de Chile.

Koop, G. y Korobilis, D. (ene. de 2009). Bayesian Multivariate Time Series Methods for EmpiricalMacroeconomics. Working Paper Series 47-09. The Rimini Centre for Economic Analysis. url:https://ideas.repec.org/p/rim/rimwps/47_09.html.

Litterman, Robert B (ene. de 1986). “Forecasting with Bayesian Vector Autoregressions-Five Yearsof Experience”. En: Journal of Business & Economic Statistics 4.1, págs. 25-38. url: https ://ideas.repec.org/a/bes/jnlbes/v4y1986i1p25-38.html.

Pesaran, H. y Shin, Y. (1998). “Generalized impulse response analysis in linear multivariate models”.En: Economics Letters 58.1, págs. 17-29. issn: 0165-1765. url: http://www.sciencedirect.com/science/article/pii/S0165176597002140.

Sims, Christopher A (ene. de 1980a). “Macroeconomics and Reality”. En: Econometrica 48.1, págs. 1-48.url: https://ideas.repec.org/a/ecm/emetrp/v48y1980i1p1-48.html.

Stock, James H. y Mark W. Watson (dic. de 2001). “Vector Autoregressions”. En: Journal of EconomicPerspectives 15.4, págs. 101-115. url: http://www.aeaweb.org/articles?id=10.1257/jep.15.4.101.

Urbina, Jilber (2015). “Producto Potencial y Brecha del Producto en Nicaragua”. En: Revista deEconomía y Finanzas 2, págs. 59-93.

Vargas, Armando Sánchez (2017). “Determinantes de la magnitud de los multiplicadores fiscales yfactores que inciden en la política fiscal en Centroamérica, la República Dominicana y México”.En: Comisión Económica para América Latina y el Caribe (CEPAL).

Villani, Mattias (2009). “Steady-state priors for vector autoregressions”. En: Journal of Applied Econo-metrics 24.4, págs. 630-650. url: https://ideas.repec.org/a/jae/japmet/v24y2009i4p630-650.html.


https://ideas.repec.org/a/tpr/restat/v97y2015i2p436-451.html

http://EconPapers.repec.org/RePEc:ecm:emetrp:v:37:y:1969:i:3:p:424-38


https://ideas.repec.org/p/rim/rimwps/47_09.html

https://ideas.repec.org/a/bes/jnlbes/v4y1986i1p25-38.html


http://www.sciencedirect.com/science/article/pii/S0165176597002140


https://ideas.repec.org/a/ecm/emetrp/v48y1980i1p1-48.html

http://www.aeaweb.org/articles?id=10.1257/jep.15.4.101


https://ideas.repec.org/a/jae/japmet/v24y2009i4p630-650.html



Anexo 1. Datos

Tabla 3: Fuentes de datos

Variable Transformación Unidades Fuente

𝑖∗𝑡 Variación absoluta interanual Puntos básicos FED𝑦∗

𝑡 Variación relativa interanual Porcentaje Macroeconomic Advisors𝑝𝑜

𝑡 Variación relativa interanual Porcentaje FMI𝑝𝑎

𝑡 Variación relativa interanual Porcentaje FMI𝑖𝑡 Variación absoluta interanual Puntos básicos BCN𝑔𝑡 Variación relativa promedio anual Porcentaje BCN𝑦𝑡 Variación relativa promedio anual Porcentaje BCN𝑟𝑖𝑛𝑡 Variación relativa interanual Porcentaje BCN𝑖𝑛𝑓𝑡 Variación relativa interanual Porcentaje BCN


Anexo 2. Pruebas de Causalidad de Granger

Tabla 4: Bloque de Variables Externas

Hipótesis NulaRezagos

1 3 6 9 12

𝑝𝑜𝑡 → 𝑖∗𝑡 0.1876 0.8599 0.2573 0.0224 0.0699

𝑖∗𝑡 → 𝑝𝑜𝑡 0.8327 0.1908 0.2923 0.0767 0.0880

𝑝𝑎𝑡 → 𝑖∗𝑡 0.1527 0.5338 0.6874 0.8693 0.6381

𝑖∗𝑡 → 𝑝𝑎𝑡 0.2042 0.4586 0.1075 0.0163 0.0523

𝑦∗𝑡 → 𝑖∗𝑡 0.0002 0.1827 0.2648 0.7418 0.9051

𝑖∗𝑡 → 𝑦∗𝑡 0.6203 0.0252 0.0389 0.0369 0.0167

𝑝𝑎𝑡 → 𝑝𝑜

𝑡 0.0027 0.0000 0.0027 0.0021 0.0058𝑝𝑜

𝑡 → 𝑝𝑎𝑡 0.1921 0.5951 0.5188 0.6657 0.4754

𝑦∗𝑡 → 𝑝𝑜

𝑡 0.5008 0.4005 0.2535 0.4900 0.0993𝑝𝑜

𝑡 → 𝑦∗𝑡 0.7096 0.5994 0.6669 0.2875 0.2770

𝑦∗𝑡 → 𝑝𝑎

𝑡 0.0374 0.0773 0.1678 0.2380 0.1181𝑝𝑎

𝑡 → 𝑦∗𝑡 0.6060 0.1817 0.1549 0.1574 0.1673

Ho: 𝑋 → 𝑌 ≡ 𝑋 no causa en el sentido de Granger a 𝑌 .Fuente: Elaboración propia.



Tabla 5: Bloque de Variables Domésticas

Hipótesis NulaRezagos

1 3 6 9 12

𝑔𝑡 → 𝑦𝑡 0.0000 0.2654 0.0155 0.0038 0.0038𝑦𝑡 → 𝑔𝑡 0.0000 0.0005 0.0033 0.0056 0.0085𝑖𝑛𝑓𝑡 → 𝑦𝑡 0.1912 0.0065 0.0069 0.0038 0.0010𝑦𝑡 → 𝑖𝑛𝑓𝑡 0.0719 0.0677 0.2590 0.6284 0.5959𝑟𝑖𝑛𝑡 → 𝑦𝑡 0.0001 0.0567 0.0173 0.0411 0.2064𝑦𝑡 → 𝑟𝑖𝑛𝑡 0.1318 0.0571 0.0530 0.0501 0.1048𝑖𝑡 → 𝑦𝑡 0.0072 0.0615 0.0995 0.0991 0.6529𝑦𝑡 → 𝑖𝑡 0.0000 0.0410 0.3016 0.2753 0.0788𝑖𝑛𝑓𝑡 → 𝑔𝑡 0.0084 0.0262 0.2566 0.3147 0.0557𝑔𝑡 → 𝑖𝑛𝑓𝑡 0.0311 0.1139 0.3586 0.6807 0.5527𝑟𝑖𝑛𝑡 → 𝑔𝑡 0.4027 0.5698 0.7052 0.8397 0.6006𝑔𝑡 → 𝑟𝑖𝑛𝑡 0.4818 0.3322 0.3948 0.1388 0.1345𝑖𝑡 → 𝑔𝑡 0.0616 0.1562 0.1185 0.3282 0.0118𝑔𝑡 → 𝑖𝑡 0.0003 0.1170 0.1723 0.1737 0.2237𝑟𝑖𝑛𝑡 → 𝑖𝑛𝑓𝑡 0.0833 0.5753 0.8655 0.9703 0.8412𝑖𝑛𝑓𝑡 → 𝑟𝑖𝑛𝑡 0.5115 0.6880 0.9777 0.9925 0.9984𝑖𝑡 → 𝑖𝑛𝑓𝑡 0.7693 0.9650 0.8424 0.7339 0.6941𝑖𝑛𝑓𝑡 → 𝑖𝑡 0.0040 0.0368 0.1216 0.1266 0.1406𝑖𝑡 → 𝑟𝑖𝑛𝑡 0.9905 0.8133 0.7796 0.5114 0.0840𝑟𝑖𝑛𝑡 → 𝑖𝑡 0.0660 0.0075 0.0241 0.0043 0.0106Ho: 𝑋 → 𝑌 ≡ 𝑋 no causa en el sentido de Granger a 𝑌 .Fuente: Elaboración propia.



Anexo 3. Descomposición de Varianzas

Tabla 6: Descomposición de Varianzas del Crecimiento

Horizonte 𝑖∗𝑡 𝑦∗𝑡 𝑝𝑎

𝑡 𝑝𝑜𝑡 𝑔𝑡 𝑟𝑖𝑛𝑡 𝑖𝑡 𝑖𝑛𝑓𝑡 𝑦𝑡

1 0.0% 0.7% 0.1% 1.6% 3.9% 2.8% 1.5% 0.0% 89.5%3 0.2% 4.3% 1.5% 1.0% 3.1% 2.7% 1.1% 0.1% 85.9%6 1.3% 11.2% 5.6% 0.8% 2.1% 2.2% 0.8% 0.7% 75.4%12 6.4% 18.9% 10.3% 0.9% 1.7% 1.8% 0.9% 3.6% 55.4%24 18.3% 16.3% 10.8% 1.6% 2.1% 3.1% 1.9% 8.5% 37.5%36 18.7% 14.9% 19.5% 1.8% 2.5% 3.7% 2.3% 7.3% 29.3%


Tabla 7: Descomposición de Varianzas de la Inflación

Horizonte 𝑖∗𝑡 𝑦∗𝑡 𝑝𝑎

𝑡 𝑝𝑜𝑡 𝑔𝑡 𝑟𝑖𝑛𝑡 𝑖𝑡 𝑖𝑛𝑓𝑡 𝑦𝑡

1 0.0% 1.7% 3.1% 12.3% 0.2% 0.1% 0.2% 82.4% 0.0%3 0.1% 5.0% 8.2% 15.7% 0.2% 0.2% 0.1% 70.4% 0.2%6 0.2% 10.7% 20.0% 16.7% 0.3% 0.3% 0.4% 50.9% 0.5%12 0.4% 16.6% 38.6% 12.8% 1.0% 0.6% 0.7% 28.6% 0.7%24 1.6% 17.2% 42.4% 9.9% 3.2% 1.5% 1.0% 20.5% 2.6%36 2.4% 16.6% 40.6% 9.4% 3.7% 2.1% 1.2% 19.1% 4.9%


Tabla 8: Análisis de Sensibilidad: Descomposición de varianzas del crecimiento

hCholeski 𝐹𝐼𝑅𝐺𝑥

Externos Domésticos Externos Domésticos

1 2.38 97.62 0.07 99.933 7.05 92.95 4.76 95.246 18.85 81.15 13.23 86.7712 36.55 63.45 31.25 68.7524 46.90 53.10 43.05 56.9536 54.90 45.10 41.89 58.11Fuente: Elaboración propia.



Tabla 9: Análisis de Sensibilidad: Descomposición de varianzas de la inflación

hCholeski 𝐹𝐼𝑅𝐺𝑥

Externos Domésticos Externos Domésticos

1 17.09 82.91 10.13 89.873 28.98 71.02 28.43 71.576 47.52 52.48 45.62 54.3812 68.37 31.63 50.60 49.4024 71.17 28.83 49.88 50.1236 69.06 30.94 51.50 48.50Fuente: Elaboración propia.



Anexo 4. Gráficos

Figura 9: Correlaciones cruzadas: Crecimiento




Figura 10: Correlaciones cruzadas: Inflación




Figura 11: Inflación y Precios Relativos (𝑝𝑜𝑡 y 𝑝𝑎

𝑡 )

Fuente: Elaboración propia con base en datos del BCN y FMI.



Figura 12: Datos Observados y Ajustados

Fuente: Elaboración propia con base en datos del BCN, FMI y Macroeconomic Advisors.



Volumen I, 2020

Política monetaria y choques de oferta:El fin del super-ciclo de commodities enAmérica LatinaFadua Camacho y Joel González1

ResumenEl presente trabajo muestra que el choque de oferta, asociado al fin del super-ciclo de commodities,generó la mayor parte de las fluctuaciones cíclicas en el crecimiento e inflación en América Latinadurante el período 2014-2016. Empleando un modelo de Vectores Autorregresivos Estructuralescon restricciones de signos, se muestra que en los países importadores netos de commodities elchoque de oferta se reflejó en mayores tasas de crecimiento y menor inflación, registrándose elefecto contrario en las economías exportadoras netas de commodities. Posteriormente, se destacala disyuntiva que enfrentaron los bancos centrales de la región sobre la reacción adecuada de tasade interés ante estos episodios y se revisan las herramientas complementarias con que cuentan. Seargumenta que, aún en presencia de altas volatilidades inflacionarias y cambiarias originadas porel choque de oferta, los bancos centrales lograron mantener ancladas las expectativas de inflación.

Clasificación JEL: E12, E32, E52, E58.Palabras clave: Política monetaria, choques de oferta, vector autorregresivo con restricción de sig-nos, macroprudencial, comunicación del banco central, expectativas..

1 Introducción

A partir del inicio de la década de los 90s del siglo pasado, se verificó una tendencia en los bancoscentrales a transitar de esquemas de múltiples objetivos a marcos de política monetaria que prio-rizaban la estabilidad de precios como mandato principal y, en ocasiones, exclusivo. De maneraparticular, una mayor cantidad de bancos centrales fue adoptando Esquemas de Meta de Inflación(EMI)2. En términos generales, este esquema de política monetaria se sustenta en un modelo teórico

1Departamento de Programación Monetaria y Estudios y Económicos del Banco Central de la República Dominicana(BCRD). Para preguntas y comentarios escribir a [email protected] y [email protected]. El re-sultado de esta investigación no representa la visión del BCRD. Cualquier error u omisión es estricta responsabilidad delos autores.

2De este modo los bancos centrales se comprometían de manera formal a mantener la inflación en torno a un ob-jetivo en un horizonte temporal predeterminado. Sin embargo, la adopción de un EMI comprende mucho más que elanuncio formal de un objetivo numérico para la inflación. También implica una política comunicacional más activa, unfortalecimiento en la capacidad de pronóstico macroeconómico, un estudio de los mecanismos de transmisión y de las

61




Fadua Camacho y Joel González

neokeynesiano estándar, caracterizado por rigideces en el corto plazo en precios y salarios. En estosmodelos, la demanda agregada es el principal factor que determina las fluctuaciones cíclicas, altiempo que la dinámica inflacionaria está influenciada, principalmente, por desvíos de la actividadeconómica respecto a su nivel potencial (brecha del producto).

La correlación positiva entre el crecimiento económico y la inflación, que surge ante un choquede demanda, permite que un ajuste de la tasa de política monetaria (TPM) corrija tanto el desvíoinflacionario como el desvío de la actividad económica. Esta “divina coincidencia”, originada en elco-movimiento positivo de estas dos variables, es lo que permite a la autoridad monetaria estabilizartanto la inflación como el producto con un único instrumento.

Sin embargo, ¿qué sucede ante la ocurrencia de choques de oferta, en los cuales se genera unacorrelación negativa entre crecimiento e inflación?

La correlación negativa entre inflación y crecimiento durante choques de oferta impone una dis-yuntiva en términos de reacción de política monetaria. Si un banco central que está enfrentandoun choque positivo de oferta actúa consecuente con su mandato principal de mantener la inflaciónen torno a su meta, debería aplicar medidas expansivas para revertir la tendencia a la baja de lainflación. Sin embargo, las condiciones monetarias expansivas, en un contexto de una brecha po-sitiva del producto, podrían sobrecalentar la economía y generar desequilibrios importantes en lossistemas financieros, que pondrían en riesgo la estabilidad macroeconómica en el mediano plazo yprovocarían desvíos inflacionarios aún mayores.

Por otro lado, si no se reacciona ante el choque positivo de oferta, la inflación se podría ubicarpor períodos prolongados en niveles alejados de la meta anunciada. Esta situación podría gene-rar un “desanclaje” de las expectativas de los agentes económicos y pérdida de credibilidad en elbanco central. Decida reaccionar o no el banco central a los choques de oferta, será sumamen-te importante la comunicación sobre el razonamiento detrás de las decisiones de política monetaria.

Las variaciones en los precios de los commodities en las últimas décadas han contribuido a un ma-yor estudio del rol de los choques de oferta en las fluctuaciones cíclicas. Ante este fenómeno surgela duda si los modelos neokeynesianos tradicionales ofrecen a los hacedores de política el mejormarco analítico, al tomar en cuenta que los choques de oferta juegan un papel secundario en la“curva de Phillips” tradicional, generalmente relegado a su componente estocástico.

El período 2014-2016 estuvo caracterizado por una reducción prolongada en el precio interna-cional de los bienes primarios. Inicialmente, se proyectaba que esta reducción en los precios seríapoco persistente, sin embargo, la realidad fue que se extendió más allá de los horizontes de políti-ca monetaria de los bancos centrales. Este fenómeno impactó de manera significativa los términosde intercambio de la región latinoamericana, identificándose claramente dos grupos de países: losimportadores y los exportadores netos de commodities.

expectativas de los agentes económicos, así como la necesidad de mayor autonomía y rendición de cuentas. El BancoCentral de Nueva Zelanda fue el pionero en implementarlo en 1990 y, desde entonces, gradualmente una mayor canti-dad de bancos centrales lo han adoptado formalmente, alcanzando en 2017 un total de 33 países. De éstos, alrededorde un 60% (20 países) corresponden a economías emergentes y 9 pertenecen a la región de América Latina.


Política monetaria y choques de oferta

Ante este reto para la política monetaria, surgen tres preguntas importantes que pretenden ser abor-dadas en este trabajo: (1) ¿Cuál fue el impacto del choque de oferta originado por el fin del super-ciclo de los commodities sobre las fluctuaciones cíclicas de las economías de América Latina?; (2)¿Cómo reaccionaron los bancos centrales de la región ante la ocurrencia de este choque?; y (3)¿Lograron los bancos centrales mantener ancladas las expectativas de inflación durante el período?

Para responder estas inquietudes, se analiza el impacto de los choques de oferta sobre el crecimientoy la inflación de siete economías de América Latina durante el período 2014-2016. Los resultadosde las especificaciones de Vectores Autorregresivos Estructurales (SVAR, por sus siglas en inglés), conuna estrategia de identificación por medio de restricciones de signos, muestran que en los paísesimportadores netos de commodities el choque de oferta se reflejó en mayores tasas de crecimientoy menor inflación, registrándose el efecto contrario en las economías exportadoras netas de com-modities.

A la luz de esta evidencia, se evalúa la reacción de la política monetaria de los bancos centrales,resaltándose que la toma de decisiones basada en la prescripción de política convencional paraEMI podría ser insuficiente para preservar la estabilidad macroeconómica. Se argumenta que, antela incidencia de los choques de oferta que pudieran provocar una reacción procíclica de la políticamonetaria, los bancos centrales cuentan con herramientas complementarias. Por último, se destacaque los bancos centrales de la región lograron mantener ancladas las expectativas de inflación, aúnen presencia de altas volatilidades inflacionarias y cambiarias originadas por el choque de oferta.

El aporte de este estudio a la literatura consiste principalmente en cuantificar el impacto para laregión del choque de oferta provocado por el fin del super-ciclo de commodities durante el período2014-2016, diferenciando los efectos sobre las economías importadoras y exportadoras de commo-dities. En adición, se contribuye al debate sobre las limitaciones que enfrenta la política monetariaal emplear un único instrumento de política monetaria, sin tomar en cuenta los potenciales desequi-librios del sistema financiero si los bancos centrales se concentran exclusivamente en corregir losdesvíos inflacionarios.

El contenido del trabajo está organizado de la siguiente manera: en la sección II se presentan loshallazgos de las investigaciones que se han enfocado en el impacto de los choques de oferta, asícomo sobre la importancia de las políticas macroprudenciales y comunicacionales. En la secciónIII se aborda la estrategia econométrica que se implementará para identificar estos choques. En lasección IV, se muestra una descripción estadística sobre el crecimiento e inflación en América Latinadurante 2005-2017. Posteriormente, se presentan los resultados sobre el choque de oferta para laregión en la sección V y se analizan sus implicancias para la política monetaria en la sección VI. Porúltimo, se presentan las principales conclusiones y retos hacia adelante para los bancos centralesante la ocurrencia de estos choques.



2 Revisión de la literatura

En los esquemas modernos de política monetaria existe consenso, en términos generales, de que elprincipal objetivo de los bancos centrales debe ser la estabilidad de precios. Detrás de estos con-sensos subyace el modelo neokeynesiano, planteado por Clarida, Galí y Gertler (1999).

En este modelo, existe una regla para la TPM que define la reacción de la política monetaria antelas fluctuaciones cíclicas de la economía3. Esta función de reacción de la política monetaria, o reglade Taylor, se puede representar por:

𝑇𝑃𝑀𝑡 = 𝑖𝑒𝑥𝑡𝑡 + 𝜋𝑡 + 𝛼 (𝜋𝑡 − 𝜋∗

𝑡 ) + 𝛽 (𝑦𝑡 − 𝑦∗) + 𝜇𝑡 (1)

donde 𝑇𝑃𝑀𝑡 es la tasa de política monetaria nominal, 𝑖𝑒𝑥𝑡𝑡 es la tasa de interés real externa, 𝜋𝑡

es la inflación interanual en el período t, 𝜋∗𝑡 es la meta de inflación, 𝑦𝑡 es el nivel de la producción

real, 𝑦∗𝑡 es el nivel de la producción real potencial y 𝜇𝑡 corresponde a un choque estocástico. Esta

especificación de la regla de política monetaria asume que se cumple la paridad de tasas de interés.

De acuerdo a la regla, un banco central debe incrementar la tasa de interés ante una brecha po-sitiva de inflación o de producto. Por tanto, la dirección del ajuste a la TPM es evidente cuando ladesviación de la inflación respecto a su meta y la brecha del producto van en la misma dirección.Sin embargo, la regla de Taylor no ofrece a los hacedores de políticas una solución igual de sencillacuando ambas variables se mueven en direcciones opuestas.

La ausencia de una respuesta de política monetaria sugerida en este último caso se relaciona conla visión teórica tradicional sobre el rol que tienen los choques de oferta y demanda sobre lasfluctuaciones cíclicas. La teoría económica sobre la cual se fundamenta el modelo neokeynesianoconsidera que los choques de demanda determinan las desviaciones del producto e inflación enel corto plazo. Mientras, los choques de oferta solo tienen efectos en el largo plazo, ya que se re-lacionan con cambios en los costos marginales de las firmas de manera que afectan la tendenciade largo plazo del crecimiento. Por tanto, la política monetaria en su rol de suavizar los ciclos solodebería reaccionar a los choques de demanda.

Con base en estas nociones teóricas, una parte de la literatura económica aborda la identificaciónde los choques de oferta y demanda. Un trabajo seminal es el de Blanchard y Quah (1989a), cuyosresultados son consistentes con la teoría Keynesiana tradicional. En principio, los autores definenun choque de oferta como aquel que tiene un impacto permanente sobre el producto y un choquede demanda como aquel con un efecto de corto plazo. Empleando estos supuestos, la identifica-ción de los choques se logra a través de la aplicación de restricciones temporales a las funcionesde impulso-respuesta del Vector Autorregresivo (VAR). Esta estrategia revela que las fluctuacionestransitorias de la actividad económica de Estados Unidos entre 1950 y 1987 se explican por los

3Este modelo, de equilibrio general con dinero y rigideces temporales en los precios, además se caracteriza a travésde: una curva de demanda agregada o “IS” (Investment-Savings), que refleja la relación inversa entre la tasa de interésreal y la brecha del producto; y, una curva de oferta agregada o la “curva de Phillips”, que asume una relación positivaentre la brecha del producto y la inflación (𝜋𝑡 = 𝛼𝜋𝑡+𝑖 + (1 − 𝛼)𝜋𝑡−𝑖 + 𝛽 (𝑦𝑡 − 𝑦∗

𝑡) + 𝜖𝑡) donde 𝜖𝑡 corresponde a unchoque estocástico y el subíndice i denota el horizonte de tiempo de los componentes retrospectivos (backward looking)y prospectivos (forward-looking)



choques de demanda, mientras los choques de oferta tienen efectos permanentes sobre la misma.Los resultados sugieren que los choques de demanda explican más del 80% de la variabilidad en elproducto en el corto plazo.

En contradicción con Blanchard y Quah (1989a) y Keating (2013) demuestra que los choques dedemanda pueden tener efectos en el largo plazo, por lo que asume que un choque de demandaagregada impacta los precios y el producto en la misma dirección y un choque de oferta en sentidocontrario. Sin embargo, no establece restricciones a la respuesta de estas variables en el largo plazoante un choque de demanda. Con base en estos argumentos, interpreta los resultados empíricosprevios de Keating y Nye (1998), señalando que los choques de demanda agregada tuvieron unefecto permanente en algunas economías del G7 en el período previo a la Primera Guerra Mundial.

Clarida y Galí (1994) emplearon técnicas similares para descomponer las fluctuaciones en un cho-que de oferta y dos choques de demanda (de política fiscal y de política monetaria). Para eso, losautores implementaron tres restricciones temporales: que la política fiscal y la política monetaria notienen efectos sobre el producto en el largo plazo y que la política monetaria no afecta la posturafiscal en el largo plazo.

Pagliacci (2019) aplicó la metodología de restricciones de signos para identificar choques de ofertay demanda para Estados Unidos y siete países de América Latina (Argentina, Brasil, Chile, Colombia,México, Perú y Venezuela) entre 1996 y 2012, por medio de la estimación de una especificaciónVAR bivariada con el crecimiento del producto y la inflación. Sus resultados revelan que, previo al findel superciclo de commodities, los choques de oferta explican de forma sustancial las fluctuacionesdel producto y de los precios; en cinco países explican más del 50% de la varianza del crecimientoen el corto plazo.

La restricción de signos es una alternativa para la identificación de choques en un VAR. Esta técni-ca fue originalmente empleada por Uhlig (2005) para estimar el efecto de un choque de políticamonetaria sobre el producto, imponiendo restricciones de signos a la respuesta de los precios, lasreservas y la tasa de interés al choque indicado. De esta forma, la restricción de signos permiteincorporar explícitamente las ideas teóricas a priori sobre una relación positiva o negativa entre lasvariables.

Por otro lado, durante la última década los bancos centrales han incorporado las políticas macro-prudenciales a su arsenal de herramientas ante la importancia de tomar en cuenta los potencialesdesequilibrios del sistema financiero que pudieran generarse si los bancos centrales se concentranexclusivamente en corregir los desvíos de la inflación. Uno de los principales objetivos de estas políti-cas es reducir la retroalimentación procíclica que se genera entre el precio de los activos y el crédito,así como contener un aumento insostenible en el endeudamiento, que generalmente se observa enperíodos de sobrecalentamiento de la economía como ocurre en presencia de choques positivos deoferta.

Es importante destacar que también hay evidencia sobre la utilidad de las medidas macropruden-ciales en períodos de choque de oferta negativos. De acuerdo al FMI (2013), estas herramientashan sido exitosas en prevenir contracciones del crédito, debido a que entidades financieras mejor



capitalizadas pueden continuar canalizando financiamiento de manera más fácil durante la partebaja del ciclo.

La coexistencia de las políticas monetarias y macroprudenciales impone un reto adicional sobre laestrategia comunicacional de los bancos centrales. F. y Castro (2017) encuentran evidencia paraBrasil de que el anclaje de las expectativas se pone en riesgo cuando los anuncios de las políticasmonetarias y macroprudenciales no están sincronizados, resaltando la importancia de la comuni-cación en estos períodos.

Durante episodios de choques de oferta, mantener ancladas las expectativas enfrenta una dificultadadicional dado que la volatilidad de la inflación de corto plazo es significativa. En este sentido, Levin,Natalucci, Piger y col. (2004) encuentran que un EMI creíble, en adición a reducir la persistencia dela inflación, desacopla la dinámica inflacionaria de corto plazo de las expectativas de inflación delargo plazo.

3 Metodología

El presente trabajo identifica los choques de oferta por medio de un VAR bivariado con crecimientoe inflación, mediante la técnica de restricción de signos planteada por Uhlig (2005), similar a Pa-gliacci (2019). Las restricciones toman en consideración los argumentos de que tanto los choquesde oferta pueden tener efectos en el corto plazo, así como los choques de demanda pueden tenerefectos permanentes sobre el producto, siguiendo a Keating (2013). Estas restricciones temporalesdefinen la respuesta contemporánea y de largo plazo de la dinámica de las variables ante el impactode los choques, y son las que permiten definir los choques como estructurales.

3.1 Modelo econométrico

Para identificar la parte del ciclo explicada por choques de oferta (y demanda) agregada, se partede un modelo que permite caracterizar la interacción simultánea entre el producto y los precios antela presencia de cada uno de estos choques. La metodología econométrica utilizada consiste en unmodelo VAR estructural de la siguiente forma:

𝐵0𝑥𝑡 = 𝐵1𝑥𝑡−1 + ⋯ + 𝐵𝑝𝑥𝑡−𝑝 + 𝑤𝑡 (2)

Donde 𝑥𝑡 representa un vector con las variables del modelo en el período 𝑡, 𝑝 son los rezagos deestas variables, las matrices 𝐵 contienen los coeficientes a estimar de los rezagos y 𝑤𝑡 es el vectorde errores estructurales o efectos de factores exógenos al modelo. Este modelo VAR(𝑝) estándar esutilizado para representar un caso particular de dos variables, crecimiento (𝑦) e inflación (𝜋):

𝑦𝑡 = 𝑏111(0)𝑦𝑡−1 + 𝑏1

12(0)𝜋𝑡−1 + ⋯ + 𝑏𝑝11(𝑝)𝑦𝑡−𝑝 + 𝑏𝑝

12(𝑝)𝜋𝑡−𝑝 + 𝑤1𝑡𝜋𝑡 = 𝑏1

21(0)𝑦𝑡−1 + 𝑏122(0)𝜋𝑡−1 + ⋯ + 𝑏𝑝

21(𝑝)𝑦𝑡−𝑝 + 𝑏𝑝22(𝑝)𝜋𝑡−𝑝 + 𝑤2𝑡

(3)

Donde 𝑏 representan los elementos de la matriz de coeficientes y el vector de término de error



estructural 𝑤𝑡 tiene una matriz de varianza-covarianza que se normaliza de tal forma que:

𝔼 (𝑤𝑡𝑤′𝑡) = Σ𝑤 = 𝐼𝐾 (4)

Donde 𝐼𝐾 es una matriz identidad de dimensión 𝐾, donde 𝐾 es 2, el número de variables en elmodelo. Utilizando el operador de rezagos, el VAR se puede representar de forma reducida como:

[𝑦𝑡𝜋𝑡

] = [𝑏11(𝐿) 𝑏12(𝐿)𝑏21(𝐿) 𝑏22(𝐿)] [𝑦𝑡−1

𝜋𝑡−1] + [𝑤1𝑡

𝑤2𝑡] (5)

Equivalente a:𝑍𝑡 = 𝐴𝑍𝑡−1 + 𝑢𝑡 (6)

En esta representación, 𝑍 es un vector columna con las dos variables endógenas del modelo, quese supone son estacionarias, 𝐴 es una matriz que contiene información de los coeficientes autorre-gresivos y 𝑢 es el vector de residuos o innovación de la forma reducida. Tal que 𝑢𝑡 = 𝑃𝜂𝑡 donde 𝑃es la descomposición de Cholesky de Σ𝑢 , una matriz no-singular y triangular inferior y los choques𝜂𝑡, que se interpretan como los choques estructurales, no están correlacionados y tienen varianzaunitaria.

La función de respuesta al impulso de los choques estructurales se obtiene de:

𝐼𝑅𝑡 = 𝐴𝑡−1𝑃𝑄 (7)

donde 𝑄 es la matriz de rotación tal que 𝑄𝑄′ = 𝑄′𝑄 = 𝐼, los choques estructurales se recuperande 𝑢𝑡 = 𝑃𝑄𝑤∗

𝑡 , y cada una de las posibles soluciones de 𝑤∗𝑡 consiste en choques no relacionados

con varianza unitaria.

3.2 Estrategia de identificación: Restricción de signos

Para recuperar la respuesta de las variables del VAR a los errores estructurales es necesario imponerciertas restricciones. Para esto, se emplean restricciones de signos, siguiendo a Uhlig (2005), lascuales se basan en la dirección esperada sobre las cantidades y precios ante movimientos en lascurvas de oferta y demanda. Específicamente, se postula que:

(𝑢𝑞𝑡

𝑢𝑝𝑡) = [+ +

− +](𝑤𝑠𝑡

𝑤𝑑𝑡) (8)

Es decir, un choque expansivo de oferta (𝑤𝑠𝑡 ), tiene un impacto positivo sobre el crecimiento y nega-

tivo sobre la inflación, mientras que un choque expansivo de demanda (𝑤𝑑𝑡 ) tiene efectos positivos

en ambas variables.

La cantidad de períodos a los cuales se les impone la restricción de signos debe ser mínima, parareducir la rigidez de los supuestos del modelo. En el presente caso, las restricciones de signos seaplicaron por 4 trimestres, con base en la duración mínima de las fases del ciclo, de acuerdo a la



literatura sobre el tema4.

La implementación de esta estrategia se puede esquematizar en cinco pasos: (1) se realiza la estima-ción de un VAR en forma reducida; (2) se extraen las innovaciones ortogonales del modelo utilizandola descomposición de Cholesky y se computan las funciones de respuesta al impulso asociadas alVAR en forma reducida; (3) se verifica si los impulso-respuesta cumplen con las restricciones de sig-nos; (4) se almacenan los resultados cuando se cumplen estas restricciones y se descartan el resto deestimaciones; y, (5) se repiten los pasos del (2) al (4) empleando varias matrices, sorteando valoresaleatorios de una distribución normal5.

El proceso antes detallado permite obtener un conjunto de modelos estructurales consistentes conlas restricciones de signos, donde el mecanismo de selección del cuarto paso se conoce como unenfoque puro de restricción de signos, de acuerdo a Uhlig (2005)6.

Una vez se repiten los pasos anteriores7 y se obtiene el número deseado de funciones de impulso-respuesta que cumplan con las restricciones, se puede calcular la mediana o cualquier otro percentilde esta distribución de impulsos-respuesta. A partir de los resultados de estas estimaciones, se rea-liza una descomposición histórica del crecimiento y la inflación.

La selección del número de variables toma en consideración la creciente demanda computacionalde estimar un modelo de mayor dimensión bajo esta metodología. Asimismo, en la medida en quese incluyen más variables, distinguir los choques específicos puede tornarse una tarea más complejasi dos o más choques distintos pueden tener el mismo efecto (en signos) sobre una de las variablesdel modelo8. En este caso, es posible identificar ambos choques con solo dos variables, al explotarsela información sobre la dirección en que un choque de oferta y un choque de demanda impactanal crecimiento y la inflación.

Para evaluar el impacto de los choques de oferta y demanda en los ciclos del crecimiento y de lainflación, se analiza la descomposición histórica de cada una de estas variables, donde los valoresobservados se dividen en: (1) el componente explicado por choques de oferta, (2) el componenteexplicado por choques de demanda, y (3) su tendencia. Esto significa que, en el caso de ausen-cia de choques, la economía crecería en congruencia con su tendencia de largo plazo, siempre

4Para Centroamerica (CA), Roache (2008) sugiere que los ciclos económicos tienen frecuencias de entre 6 y 32trimestres. Beteta y Moreno-Brid (2014) encuentran que en CA y República Dominicana (RD) la fase expansiva tiene unaduración promedio de 2.5 años y la contractiva de 3.0 años. Para América Latina (AL), Gómez-González y col. (2013)presentan evidencia de que los ciclos de corto plazo tienen una frecuencia de entre 5 y 32 trimestres. Claessens, Kosey Terrones (2010) identifican que la duración promedio de las recesiones en AL es de 3.79 trimestres.

5Esta metodología de generar matrices de variables aleatorias con distribución normal estandarizada se conoce comola transformación de Householder (Fry y Pagan 2011b).

6Esta metodología posee dos desventajas: solo considera los impulso-respuesta que son consistentes con las restric-ciones establecidas, como señala Danne (2015), y es demandante en términos computacionales. Sin embargo, es másagnóstica que las otras metodologías propuestas. Para reducir la demanda computacional de procedimiento, la rutina sedetiene una vez se alcancen un número deseado de matrices (500) que cumplan con las restricciones establecidas.

7En el presente trabajo se establecen un máximo de diez mil repeticiones, excepto cuando se indique lo contrario.8Wolf (2017) se refiere a esta falla en la identificación como “choques enmascarados”. El autor señala la posibilidad

de que aun cuando otro choque no cause el mismo efecto sobre una variable, una combinación de otros choques sí lohaga.



que en la cantidad de períodos elegidos para las restricciones de signos se capturen de maneraadecuada las fluctuaciones cíclicas de corto plazo. Adicionalmente, se observan las funciones deimpulso-respuesta ante un choque de oferta y un choque de demanda.

4 Descripción estadística

Para la estimación del modelo se utilizan dos variables, crecimiento e inflación, con frecuencia tri-mestral. El crecimiento se define como la variación porcentual interanual del Producto Interno Bruto(PIB) real, mientras la inflación se calcula como la variación porcentual interanual del Índice Ge-neral de Precios al Consumidor al cierre del trimestre9. Dado que el objetivo de la estimación esextraer la parte cíclica del crecimiento y la inflación, se introducen ambas variables sin suavizar nidesestacionalizar, lo que permite capturar todos los movimientos, incluso aquellos de alta frecuen-cia. Además, se utiliza la inflación general en lugar de la inflación subyacente, considerando que lamayor parte de los choques de oferta se originan por cambios en los precios de commodities, loscuales generalmente se excluyen para el cálculo de la inflación subyacente.

Las estimaciones se realizan para los países de América Latina que operan bajo EMI en el períodode caída de precios de las materias primas 2014-2016: Brasil, Chile, Colombia, Costa Rica, Gua-temala, Perú y República Dominicana10. Se utilizan datos desde el 2005 hasta 2017. De acuerdo ala Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (2016), estos países se puedenclasificar en los exportadores netos de commodities (Brasil, Chile, Colombia y Perú) y los importa-dores netos de commodities (Costa Rica, Guatemala y República Dominicana).

Las principales características de la muestra se resumen en el cuadro 1. De acuerdo a las caracterís-ticas de la muestra, durante el período 2005-2013 existe una correlación positiva entre crecimientoe inflación, consistente con lo sugerido teóricamente por la “curva de Phillips”11. Sin embargo, apartir de 2014 la correlación se torna negativa en cinco de las siete economías analizadas, sugirien-do una importante presencia de choques de demanda en el primer período y una mayor influenciade los choques de oferta en el período más reciente ejercieron.

No obstante, es importante recalcar que la menor correlación entre inflación y brecha de productopudiera estar influenciada por un manejo adecuado de la política monetaria. Esto se basa en que,en la medida que los bancos centrales se comprometen con la estabilidad de precios y se observa unmayor anclaje de las expectativas, los choques ejercen un menor efecto sobre la inflación esperada

9También se consideró utilizar la inflación interanual promedio del período, en lugar de la de fin de período, sin quese verificaran cambios sustanciales en los resultados.10Se excluye México ya que, durante el período de interés para este trabajo, esta economía pasó de exportadora a

importadora neta de combustibles, influenciado por problemas técnicos de producción, dificultando su clasificación dentrode los dos grupos de países. En adición, sus decisiones de política monetaria tuvieron influenciadas principalmente porriesgos cambiarios asociados a las tensiones sobre la guerra comercial y el cambio en las políticas migratorias de EstadosUnidos.11Se obtienen resultados similares al calcular la correlación entre la brecha de producto e inflación, donde la brecha

de producto se mide como la diferencia entre el crecimiento observado y la tasa de crecimiento de tendencia construidacon un filtro HP.



Tabla 1: Características de la muestra

Crecimiento promedio Inflación promedio Correlación(en %) (en %) Crecimiento-Inflación

2005T2-2013T4 2014T1-2017T4 2005T2-2013T4 2014T1-2017T4 2005T2-2013T4 2014T1-2017T4

Importadoresnetos decommodities

Costa Rica 4.43 3.67 8.24 1.71 0.15 -0.61Guatemala 3.63 3.54 5.89 3.65 0.31 -0.70RepúblicaDominicana

5.51 6.46 5.88 2.21 0.21 -0.31

Exportadoresnetos decommodities

Brasil 3.85 -1.37 5.32 6.82 -0.13 -0.83Chile 4.44 1.72 3.35 3.60 0.20 0.04Colombia 4.80 2.82 4.05 4.95 0.05 -0.47Perú 6.62 3.08 2.86 3.29 0.27 0.45

Fuente: CMCA, CEPAL y bancos centrales.

(Mishkin 2007).

Se realizaron las pruebas estadísticas tradicionales, verificándose que tanto el crecimiento como lainflación son individualmente estacionarios de acuerdo a las pruebas de raíz unitaria ADF (Dickey-Fuller Aumentado)12 y PP (Phillips-Perron)13, lo que supone una condición suficiente para afirmar laestacionariedad del sistema.

La especificación del VAR para cada país contiene un rezago (Costa Rica, Guatemala, Colombia) odos rezagos (República Dominicana, Brasil, Chile, Perú) de las variables del modelo, considerandoel rezago mínimo sugerido por los criterios de información14, con base en el principio de parsimo-nia. De esta forma, la pérdida de grados de libertad es menor debido a que cada rezago implicaque deben estimarse 𝑛2 parámetros adicionales. De hecho, un número relativamente pequeño deobservaciones hace el modelo más sensible a “problemas de dimensión” (curse of dimensionality)15.

5 Resultados

Los choques de oferta, así como los choques de demanda, han incidido de manera importante sobrela dinámica del crecimiento y la inflación en los países de América Latina. En efecto, los choques deoferta explicaron la mayor parte de las fluctuaciones del crecimiento y de la inflación tanto en lospaíses exportadores como en los importadores de commodities.

Para cuantificar los impactos de los choques de oferta y demanda sobre las variables en cuestión, seevalúa la desviación respecto a sus tendencias16 que es causada por ambos choques en cada pe-ríodo. En ese sentido, se toman en cuenta las incidencias al alza o a la baja (en términos absolutos)

12Dickey y Fuller 1981.13Phillips y Perron 1988.14Se emplearon los criterios de información Akaike, Schwarz y Hannan.15Morana 2012.16El crecimiento tendencial promedio del período es 5.61% y la inflación tendencial promedio es 4.94%.



Tabla 2: Desviación total promedio del crecimiento e inflación (2014T1-2016T4) en losimportadores netos de commodities

Costa Rica Guatemala R.Dominicana Promedio

Desviación total del crecimiento 2.33 1.19 3.98 2.50Del cual:

Choque de oferta 56.0% 54.1% 62.6% 57.6%Choque de demanda 44.0% 45.9% 37.4% 42.4%

Desviación total de la inflación 3.55 2.14 3.83 3.18Del cual:


Fuente: Elaboración propia de los autores.

Tabla 3: Desviación total promedio del crecimiento e inflación (2014T1-2016T4) en losexportadores netos de commodities

Brasil Chile Colombia Perú Promedio

Desviación total del crecimiento 5.63 3.19 3.86 5.16 4.46Del cual:

Choque de oferta 65.0% 53.2% 61.3% 52.1% 57.9%Choque de demanda 35.0% 46.8% 38.7% 47.9% 42.1%

Desviación total de la inflación 2.58 2.25 3.04 2.13 2.50Del cual:



provocada por cada choque de manera individual17. En los cuadros 2 y 3 se muestra los promediosde estos resultados para el período entre 2014 y 201618.

Dentro del bloque de países importadores netos de commodities, se destaca la República Dominica-na donde más del 60% de las fluctuaciones cíclicas de ambas variables se originaron por el choquede oferta. En los exportadores netos de commodities, se observa que en Brasil los choques de ofertaprovocaron la mayor parte de las desviaciones cíclicas del crecimiento (65.0%) y la inflación (87.4%)son explicadas en una mayor proporción por los choques de oferta.

17Si 𝑦𝑜𝑏𝑠 = 𝑦𝑇 + 𝑦𝐷 + 𝑦𝑆, la desviación total es equivalente a |𝑦𝑇 | + |𝑦𝐷|.18El período exacto en el cual se identifican que las desviaciones de tanto el crecimiento como la inflación están

dominados por choques de oferta varía entre países. Los períodos, por países son: Costa Rica (2015T3-2016T4), Gua-temala (2014T2-2015T4), República Dominicana (2014T3-2017T1), Brasil(2015T1-2017T1), Chile (2014T4-2016T2),Colombia (2014T4-2016T2) y Perú (2015T2-2016T4).



Un ejercicio adicional para evaluar la importancia del choque de oferta consiste en comparar elcrecimiento e inflación observados con sus valores al excluir el componente del choque. Este resul-tado se muestra en la figura 1 y confirma que la dirección del impacto de los choques de ofertasobre el crecimiento e inflación en la región ha sido heterogénea y depende, en gran medida, de lacalidad de importador o exportador neto de commodities de cada economía.

De acuerdo a lo esperado, las diferencias que se observan entre los países respecto a la sensibilidaddel crecimiento e inflación ante los choques de oferta se podrían relacionar con el grado de depen-dencia de los commodities (ver Apéndice 5). En el caso de todos los países importadores netos decommodities, el choque de oferta asociado al fin del superciclo de commodities impactó de formapositiva sus tasas de crecimiento económico y de forma negativa la inflación. De manera puntual,el crecimiento promedio de estas economías durante 2015-2016 en ausencia del choque de ofertahubiese sido de 3.48% en Costa Rica (versus un 3.67% observado), 3.19% en Guatemala (3.54%)y 4.57% en República Dominicana (6.46%). Por su parte, la inflación al excluir el componente ex-plicado por el choque de oferta es de 2.77% en Costa Rica (versus 1.71% observado), 4.01% enGuatemala (3.65%) y 4.32% en República Dominicana (2.21%)19.

Por otro lado, para el bloque de países exportadores netos de bienes primarios, el fin del superciclorepresenta un período de choque de oferta negativo, registrándose presiones a la baja sobre elcrecimiento y al alza sobre la inflación. En efecto, las estimaciones indican que el crecimiento enausencia del choque de oferta hubiese sido de 2.00% para Brasil, lo que contrasta con una tasade crecimiento promedio que fue negativa durante el período. A su vez, el crecimiento, en ausenciadel choque, en Chile hubiese alcanzado 3.28% (versus 1.72% observado), 5.21% en Colombia(2.82%) y 5.75% en Perú (3.08%). Asimismo, las tasas de inflación promedio de estas economíasen ausencia del choque de oferta son menores, de acuerdo a lo previsto.

Los gráficos de impulso-respuesta (ver Apéndice 4) muestran que el impacto de los choques de ofer-ta sobre el crecimiento y la inflación es mayor en el caso de los importadores netos de commodities.Además, dentro de este bloque de países, es más pronunciado en República Dominicana, con unimpacto máximo sobre el crecimiento de 1.42 puntos porcentuales en el segundo período y sobrela inflación de -1.95 puntos porcentuales en el trimestre contemporáneo al choque.

19El petróleo tiene una importancia mayor en la economía de República Dominicana que en Costa Rica y Guatemala,de acuerdo a dos variables utilizadas en la literatura (Choi y col. 2017). Por un lado, el promedio (2014-2017) deimportaciones de petróleo respecto al total de importaciones es de 16.7% en República Dominicana, por encima deCosta Rica (8.4%) y Guatemala (11.3%). Por otro lado, la ponderación del transporte en el IPC de RD es de 17.95%,mientras en Costa Rica es 15.04% y en Guatemala 10.43%. Choi y col. (ibíd.) señalan que la mediana de Transporteen IPC es 12.6% para economías avanzadas y 13.6% para economías en desarrollo. La proporción de importaciones depetróleo es de 14.1% en economías avanzadas y 11.6% en desarrollo. Asimismo, la proporción de generación eléctricadependiente de derivados del petróleo es significativamente mayor en República Dominicana. En 2016, la proporción dela generación total correspondiente a energía renovable es de 98.2% en Costa Rica, 59.1% en Guatemala y 11.6% enRD (Rojas Navarrete 2017).



Figura 1: Impacto del choque de oferta sobre el crecimiento y la inflación enlos importadores netos de commodities 2014-2016


6 Implicancias para la política monetaria

6.1 Reacción sugerida de política monetaria

La estimación presentada en la sección anterior identificó que, en el período 2014-2016, las eco-nomías de América Latina fueron impactadas por un choque de oferta, el cual fue positivo paralos importadores netos de commodites y negativo para los exportadores netos de esos bienes. Eneste contexto, ¿era recomendable que la política monetaria tuviera una postura expansiva, neutralo restrictiva?

La correlación negativa entre inflación y crecimiento durante choques de oferta impone una dis-yuntiva en términos de reacción de política monetaria. Esto se observa al analizar los indicadoresutilizados por Pagliacci (2019) sobre las fluctuaciones cíclicas del crecimiento y las presiones dela demanda agregada. Específicamente, se define el indicador del Componente Cíclico del Creci-miento (𝐶𝐶𝐶) como la suma de la incidencia20 de los choques de oferta y demanda, pudiendo serinterpretado como una proxy de la brecha del producto. Así, un valor positivo (negativo) del 𝐶𝐶𝐶podría asociarse con una economía que crece por encima (debajo) de su potencial. Sin embargo,un valor positivo de 𝐶𝐶𝐶 no necesariamente estaría asociado a presiones inflacionarias si es cau-20Se obtiene por medio de la descomposición histórica, que captura los efectos acumulados de los choques estructurales

sobre ambas variables.



Figura 2: Impacto del choque de oferta sobre el crecimiento y la inflación enlos exportadores netos de commodities


sado por un choque de oferta positivo, como hemos argumentado. Por otro lado, el indicador deExceso de Demanda Agregada (𝐸𝐷𝐴) se basa en la diferencia entre el componente del crecimientoasociado al choque de demanda (𝑦𝐷) y el asociado al choque de oferta (𝑦𝑆).

𝑦𝑜𝑏𝑠 = 𝑦𝑇 + 𝑦𝐷 + 𝑦𝑆

𝐶𝐶𝐶 = 𝑦𝐷 + 𝑦𝑆

𝐸𝐷𝐴 = 𝑦𝐷 − 𝑦𝑆(9)

Donde 𝑦𝑇es el componente tendencial del crecimiento.

Basada en la interacción entre estos dos indicadores, el cuadro 4 identifica cuál es la reacción depolítica monetaria sugerida de acuerdo al choque dominante en la economía. En los casos de cho-ques dominantes de demanda, la reacción de política monetaria es evidente. En el primer caso,de una combinación de brecha del producto positiva causada por un desequilibrio en el mercadode bienes que generaría presiones inflacionarias, estamos ante un choque de demanda positiva. Eneste escenario, la respuesta de política monetaria es la sugerida por la regla de Taylor convencional:aplicar una postura restrictiva que reduzca el exceso de demanda y modere las presiones inflacio-narias. Lo contrario ocurre en el cuarto escenario, donde ante un choque de demanda agregadanegativo la política monetaria también debe reaccionar inequívocamente hacia una postura expan-siva.

Sin embargo, la reacción de política monetaria no es evidente en los casos en que las fluctuaciones



Tabla 4: Reacción sugerida de Política Monetaria

Componente Cíclico del Crecimiento (CCC)

Positivo Negativo

Exceso deDemandaAgregada

(EDA)

Positivo (1) Choque positivo de demanda

PM restrictiva

(3) Choque negativo de oferta

¿PM restrictiva?

Negativo (2) Choque positivo de oferta

¿PM expansiva?

(4) Choque negativo de demanda

PM expansiva

Fuente: Elaboración propia de los autores con base en Pagliacci (2019).

cíclicas de la economía están dominadas por choques de oferta.

En el segundo caso, choque de oferta positivo, se combina un crecimiento por encima de su po-tencial y bajas presiones inflacionarias. La estrategia de política apropiada para que la inflaciónconverja a su meta y no se desanclen las expectativas de los agentes privados consistiría en redu-cir la TPM. Sin embargo, en esta situación la política monetaria estaría reaccionando de maneraprocíclica pudiendo generar un sobrecalentamiento de la economía e incentivando episodios desobre-exposición del sistema financiero a créditos y activos financieros riesgosos. Las economíasimportadoras de commodities se encontraban en este contexto de choque de oferta positivo duranteel período 2014-2016.

Por otro lado, los choques de oferta negativos (tercer caso) también presentan una disyuntiva alconjugarse una economía que crece por debajo de su potencial con altas presiones inflacionarias.En este contexto, el riesgo de aplicar una política monetaria restrictiva a través de incrementos dela TPM es que se profundice la desaceleración de la actividad económica. Esta fue la situación queenfrentaron las economías exportadoras de commodities durante el período 2014-2016.

Un aspecto clave a considerar es la duración esperada del choque, debido a que en el EMI las deci-siones se toman con base en información prospectiva, considerando los rezagos de los mecanismosde transmisión de la política monetaria. Así, de acuerdo con la teoría convencional, los bancoscentrales no deberían reaccionar a choques transitorios debido a que los efectos de las medidasque puedan tomar se observarían una vez se haya disipado el choque. Ante el reto para determinarla duración de estos choques, se torna más importante el rol de la política comunicacional de losbancos centrales.

En ese sentido, es importante señalar que los choques identificados bajo la metodología propuestaen ese estudio tienen una duración de al menos cuatro trimestres por definición de las restriccionesdel VAR, lo que permite aislar el impacto de los choques más transitorios de oferta y demanda sobreel crecimiento y la inflación.



Tabla 5: Cambios en las Tasas de Política Monetaria en América Latina

Importadores netosde commodities

2014T4–2016T3* Variación Exportadores netosde commodities

2014T4–2016T3* Variación

R.Dominicana 6.25 – 5.00 -1.25 Brasil 11.75 – 14.25 2.50Costa Rica 5.25 – 1.75 -3.50 Chile 3.00 – 3.50 0.50Guatemala 4.00 – 3.00 -1.00 Colombia 4.50 – 7.75 3.25

Perú 3.50 – 4.25 0.75

*Los períodos analizados corresponden a los ciclos expansivos/restrictivos de la política monetaria en estos paísesFuente: Elaboración propia de los autores con base en información de los bancos centrales de los países.

Considerando lo anterior, podemos argumentar que la reacción adecuada de la política monetariaque procure el mantenimiento de la estabilidad macroeconómica ante choques de oferta va másallá de la sugerida por una regla de Taylor convencional.

6.2 Reacción de los bancos centrales de América Latina durante 2014-2016

En un primer momento, donde se percibía que el choque era temporal, los bancos centrales de laregión mantuvieron invariables sus posturas de política monetaria. Sin embargo, ante la persisten-cia del choque, los bancos centrales tuvieron que reaccionar, aunque de forma heterogénea, paraevitar que las expectativas de inflación de mediano plazo se desviaran de sus objetivos.

En el grupo compuesto por los importadores netos de commodities, ante un choque de oferta po-sitivo, los bancos centrales aplicaron una postura expansiva con el objetivo de que la inflación nose ubicara de manera prolongada por debajo de sus objetivos. Así, entre finales de 2014 y finalesde 2016, la reducción promedio de TPM en estas economías fue unos 190 puntos básicos (p.bs.).Dentro de estos países se destaca el caso de Costa Rica, que realizó la mayor disminución de TPMde unos 350 puntos básicos durante referido período.

Por otro lado, los países exportadores netos de commodities, que experimentaron un choque deoferta negativo, los bancos centrales incrementaron sus TPM para contener las presiones inflacio-narias. En promedio el incremento de la TPM en estos 4 países durante este período fue de unos230 p.bs., siendo el mayor de 325 p.bs. por parte de Colombia.

6.3 Importancia de medidas complementarias

Políticas Macroprudenciales

En estos escenarios de reacción procíclica de la política monetaria originados por los choques deoferta, la implementación de políticas macroprudenciales contribuye de manera importante a pre-servar la estabilidad financiera, al considerar la naturaleza contracíclica de las mismas. En estesentido, la incorporación de estas políticas por parte de la mayoría de los países latinoamericanos,



Tabla 6: Implementación de Medidas Macroprudenciales en América Latina

Instrumentos Macroprudenciales BRA CHL COL PER CR GUA RD

Requerimientos de encaje legal en moneda local y extranjera √ √ √ √ √ √ √

Requerimientos de liquidez (activos líquidos sobreobligaciones de corto plazo)

√ √ √ √ √ √ √

Límites a la posición de cambio en ME de entidadesfinancieras

√ √ √ √ √ √

Límites a la posición de productos derivados √ √ √

Provisiones crediticias dinámicas √ √ √

Requerimientos de capital cíclicos y/o cambios enponderaciones por riesgo

√

Límite al ratio del préstamos en relación al valor delsubyacente (LTV)

√ √ √

Límite al endeudamiento en relación al ingreso (DTI) √ √ √ √

Límite a fuentes de apalancamiento √ √ √ √ √

Fuente: Elaboración propia de los autores con base en informaciones del SECMCA, Castillo y col. (2011) y Jácome (2013).

ha permitido a los bancos centrales estar mejor preparados para mitigar los riesgos financieros sis-témicos durante episodios de choques de oferta.

Dentro de la región, el estado de desarrollo de marcos macroprudenciales también es heterogéneo.En el caso de Brasil, Chile, Colombia y Perú, el uso de las políticas macroprudenciales ha sido másintensivo como puede observarse en el cuadro 6. Si bien, la mayoría de estas medidas se imple-mentaron durante el superciclo de commodities que beneficiaba a estas economías, es importantedestacar que también han sido útiles ante choques de oferta negativos, incrementando la resilienciadel crédito en períodos en los cuales la tasa de interés está empleándose para corregir los desvíosinflacionarios. En particular, el Banco Central de Brasil redujo sus requerimientos de encaje legalpara contrarrestar la moderación el crédito privado durante la parte baja del ciclo.

En el caso de Costa Rica, Guatemala y RD, aunque la implementación de políticas macroprudencia-les es más limitada, su uso se ha incrementado en los últimos años conforme sus sistemas financierosse profundizan y se integran a los mercados de capitales globales. En general, estos países emplea-ron con mayor frecuencia el uso contracíclico de los coeficientes de encaje legal, requerimientos deliquidez y los límites de posición en moneda extranjera.

Política Comunicacional

Como puede observarse, durante la última década se ha incrementado el uso de distintas herra-mientas complementarias de la política monetaria en la región. En este contexto, mantener ancladaslas expectativas de los agentes económicos se convierte en un reto más complejo, por lo que se ha



Tabla 7: Estrategias Comunicacionales de Bancos Centrales en América Latina

Elementos Comunicacionales BRA CHL COL PER CR GUA RD

Objetivos explícitos en leyes orgánicas √ √ √ √ √ √ √

Comunicados sobre las decisiones de política monetaria √ √ √ √ √ √

Minutas de las reuniones de política monetaria √ √ √ √

Informes de política monetaria / Reportes de inflación √ √ √ √ √ √ √

Informes de Estabilidad Financiera √ √ √ √ √ √

Resultados de las encuestas de expectativas macroeconómicas √ √ √ √ √ √

Fuente: Elaboración propia de los autores con base en informaciones del SECMCA, CEMLA y bancos centrales.

hecho necesario una política comunicacional de los bancos centrales cada vez más frecuente, de-tallada y explicativa.

De acuerdo al FMI (2018), una buena comunicación de los siguientes elementos son esenciales enlas mejores prácticas internacionales de transparencia para bancos centrales: (1) un objetivo formalde política monetaria (como lo es la estabilidad de precios); (2) una evaluación del estado actual dela economía; (3) una explicación de las decisiones actuales de política monetaria; (4) un análisis depolítica monetaria prospectivo y (5) la publicación de datos y proyecciones utilizados en el procesode toma de decisiones de política monetaria.

Si aplicamos estos criterios a la estrategia comunicacional de los bancos centrales de la región,podemos concluir que el avance en los últimos años ha sido notable, enfocándose en mejorar elentendimiento del público sobre las decisiones de política monetaria.

Un avance importante en materia de transparencia lo constituye la publicación periódica (8 o 12veces al año, según el calendario de reuniones) de comunicados explicando las decisiones de polí-tica monetaria21, cumpliendo de esta forma con el tercer criterio. Adicionalmente, en Brasil, Chile,Colombia y Guatemala, publican las minutas de las reuniones de política monetaria donde se pro-vee un análisis más detallado y extenso sobre el proceso de toma de decisiones, el análisis realizadoy sus riesgos inherentes.

En cuanto al análisis prospectivo de la política monetaria, todos publican Informes de Política Mone-taria (llamados Reportes de Inflación en algunos bancos centrales) en los cuales, además de explicardetalladamente el razonamiento de las decisiones pasadas de política monetaria, se publican lasproyecciones de las principales variables macroeconómicas y el balance de riesgo del cumplimientode la meta de inflación que condiciona la postura de la política monetaria.

21Los bancos centrales de Brasil, Chile, Colombia y Guatemala tienen 8 reuniones al año de política en las cualestoman decisión sobre la tasa de política monetaria, mientras que en Perú, Costa Rica, Honduras y RD hacen lo propio 12veces al año.



La incorporación de estos nuevos elementos comunicacionales ha incrementado el grado de trans-parencia y de rendición de cuentas de los bancos centrales de la región. En efecto, de acuerdo alÍndice de Transparencia de Bancos Centrales Dincer y Eichengreen (2013) los cuatro países expor-tadores netos de commodities analizados en este estudio incrementaron su transparencia en un 76%de 1998 al 201422. Sin embargo, a pesar de la mejora significativa, el mismo estudio indica quetodavía hay un espacio significativo de mejora en la transparencia de los bancos centrales de laregión al compararse con las economías avanzadas.

6.4 Anclaje de las expectativas de inflación durante el período

Uno de los principales retos que enfrentan los bancos centrales en la presencia de choques de ofertaconsiste en mantener ancladas las expectativas de inflación de los agentes económicos en torno ala meta.

En ese sentido, analizaremos el anclaje de las expectativas utilizando las proyecciones de analistasprofesionales recogidas a través de encuestas de bancos centrales23, ante la imposibilidad de reca-bar las expectativas de inflación implícitas en instrumentos financieros para todas las economías dela muestra.

De acuerdo a las informaciones de estas encuestas, la política monetaria logró desacoplar las ex-pectativas de inflación de mediano plazo de la dinámica inflacionaria de corto plazo. Como puedeobservarse en la figura 3, en la mayoría de los países los desvíos de las expectativas de inflaciónrespecto a las metas anunciadas se redujeron durante el 2014-2016 a pesar de que el choque deoferta provocó desvíos persistentes de la inflación respecto a sus metas.

La mayor credibilidad de la política monetaria en los últimos años se confirma a través del análisis deun índice de anclaje de las expectativas de inflación (IAE). Específicamente se utiliza la metodologíapropuesta por Mendonça (2004) para construir un índice que se ubica entre 0 y 1, alcanzando elvalor máximo cuando la expectativa es exactamente igual al objetivo anunciado por la autoridadmonetaria y penalizando tanto los desvíos hacia arriba o hacia debajo de la meta de inflación,siendo su forma funcional:

𝐼𝐴𝐸 =⎧{⎨{⎩

1 si 𝔼(𝜋) = 𝜋𝑚𝑒𝑡𝑎

1 − ∣ 𝐸(𝜋)−𝜋𝑚𝑒𝑡𝑎

𝜋𝑚𝑎𝑥−𝜋𝑚𝑒𝑡𝑎 ∣ si 𝜋𝑚𝑖𝑛 < 𝔼(𝜋) < 𝜋𝑚𝑎𝑥

0 si 𝔼(𝜋) < 𝜋𝑚𝑖𝑛 o 𝔼(𝜋) > 𝜋𝑚𝑎𝑥

De acuerdo al promedio de este índice para el período durante el cual ocurrió el choque de oferta(2014-2016) y el período previo (2009-2013), el anclaje de las expectativas de inflación mejoró enla mayor parte de los países. Estos resultados sugieren que la credibilidad en la política monetaria

22El índice de transparencia tiene un rango de 0 a 15 (mín=0 y máx=15), basada en las informaciones publicadasde manera oficial por 120 bancos centrales con respecto a sus objetivos, esquemas de política, disponibilidad de datos,modelos de proyecciones, proceso de toma de decisiones y detalles sobre los instrumentos operativos, entre otros tópicos.23El horizonte de las expectativas de inflación varía en función de la disponibilidad de datos en las encuestas realizadas

por cada banco central. En el caso de RD, Chile y Perú se utilizan las expectativas de inflación para el cierre del añosiguiente, mientras que para Colombia, Brasil, Guatemala y Costa Rica se utilizan las de doce meses hacia adelante.



Figura 3: Desvíos e índice de anclaje de expectativas de inflación

Fuente: Elaboración propia de los autores con informaciones provenientes de encuestas de expectativas de bancos centrales.

se ha fortalecido en la medida en que se han afianzado los EMI en la región, aun en períodos dechoques de oferta (ver apéndice 7). En términos comparativos, el país con mayor anclaje duranteel choque de oferta fue Chile, seguido por República Dominicana y Colombia.

Notablemente, el fortalecimiento de la política comunicacional por parte de los bancos centralesde la región ha estado acompañado de expectativas de inflación ancladas a las metas anunciadaspor los bancos centrales. El avance en esta materia también ha sido señalado por Carrière-Swallowy Gruss (2017)24. Estos autores indican que, en las economías más grandes de la región, el anclajede las expectativas de inflación ha incrementado de manera significativa desde 2005, siendo el gru-po con mayor avance dentro de las emergentes. Sin embargo, se debe destacar que, a pesar de lamejoría en la última década, estos autores señalan que el anclaje de las expectativas se encuentraaún por debajo de las economías avanzadas.

7 Conclusiones y retos

El marco analítico convencional neokeynesiano, utilizado para estimar la reacción sugerida de po-lítica monetaria, está basado principalmente en el impacto de los choques de demanda agregadasobre la actividad económica y precios. Sin embargo, los resultados de este estudio muestran quedurante el período del fin de superciclo de commodities (2014-2016) el choque de oferta generó lamayor parte de las fluctuaciones cíclicas en el crecimiento e inflación de América Latina durante elperíodo 2014-2016. Específicamente, se muestra que en los países importadores netos de commo-dities el choque de oferta se reflejó en mayores tasas de crecimiento y menor inflación, registrándoseel efecto contrario en las economías exportadoras netas.

La importancia de los choques de oferta sobre estas economías impone un reto para la política

24Estos autores construyen otro indicador utilizando el inverso de los desvíos entre las expectativas de inflación medidasa través de las proyecciones de inflación de Consensus Forecasts del cierre del año siguiente.



monetaria, ya que los bancos centrales no pueden corregir los desvíos de crecimiento e inflaciónutilizando únicamente la TPM como instrumento de política. En este escenario existe la posibilidadde que la política monetaria reaccione de manera procíclica, pudiendo generarse desequilibriosimportantes en el sistema financiero y el deterioro en las expectativas de inflación de los agenteseconómicos.

En este contexto, la incorporación gradual de políticas macroprudenciales y una política comuni-cacional más activa en la región han permitido mantener ancladas las expectativas de inflación,sin generar desequilibrios financieros, a pesar de las altas volatilidades inflacionarias y cambiariasoriginadas por el choque de oferta. El anclaje de las expectativas podría ser un indicador que avale,en términos generales, como adecuada la gestión de la política monetaria en la región durante laúltima década, sobre las bases de bancos centrales más independientes, que reaccionan de maneramás prospectiva y con una comunicación más detallada de sus decisiones de política.

Sin embargo, es importante destacar que, a pesar de estos avances, existe evidencia que todavíalos bancos centrales de América Latina están por debajo de varias economías emergentes y de lamayoría de las economías avanzadas en materia de transparencia y anclaje de las expectativas. Enla medida en que se avancen en estos temas, la política monetaria podría reaccionar con mayoresgrados de libertad ante futuros impactos de los choques de oferta sobre el ciclo económico.

Tomando en cuenta esta evidencia, instrumentales analíticos, como el modelo planteado en estetrabajo, que distingan el impacto macroeconómico de los choques de oferta, pueden ser una he-rramienta importante para complementar la función de reacción convencional del banco centralsugerida por el EMI.

Sin embargo, es importante destacar que se vislumbran varios retos pendientes por abordar. Dado elcarácter prospectivo de las decisiones de política monetaria, siempre existirá incertidumbre sobre ladeterminación a priori de la transitoriedad del choque y la pertinencia de la reacción de política mo-netaria. Adicionalmente, al considerar su correlación con los choques de oferta, se debe profundizarsobre el mecanismo de transmisión de los precios de commodities en las economías de la región.Por último, dada la coexistencia de distintos instrumentos de política monetaria y macroprudencialdebe formalizarse el proceso de toma de decisión para ambas políticas y cómo se comunicarán susmedidas.

Referencias

Abrego, L. y Osterholm, P. (2010). “External Linkages and Economic Growth in Colombia: Insightsfrom a Bayesian VAR Model”. En: The World Economy 33.12, págs. 1788-1810. url: http://EconPapers.repec.org/RePEc:bla:worlde:v:33:y:2010:i:12:p:1788-1810.

Acevedo, Ivonne (2013). Modelos de Serie de Tiempo para Pronóstico del IMAE. Documentos deTrabajo No. 36. Banco Central de Nicaragua.





Adams, R. y col. (1998). “The economic consequences of ENSO events: The 1997-98 El Niño andthe 1998-99 La Niña”. En: No. 24013. Ed. por Texas A & M University. Ed. por Department ofAgricultural Economics.

Adolfson, Malin y col. (dic. de 2007). “Modern Forecasting Models in Action: Improving Macroeco-nomic Analyses at Central Banks”. En: International Journal of Central Banking 3.4, págs. 111-144.url: https://ideas.repec.org/a/ijc/ijcjou/y2007q4a4.html.

Afonso, António (2006). Expansionary fiscal consolidations in Europe. New Evidence. Inf. téc. Wor-king paper No. 675. Banco Central Europeo.

Alesina, Alberto y Silvia Ardagna (2010). Large changes in fiscal policy: taxes versus spending. Inf.téc. Documento de trabajo 15438. National Bureau of Economic Research.

Alfaro, A. y C. Monge (2013). Índices de credibilidad del Banco Central de Costa Rica en la transicióna Metas de Inflación. Inf. téc. Documento de investigación DI-03-2013. Banco Central de CostaRica.

Almunia, Miguel y col. (2009). From Great Depression to Great Credit Crisis: Similarities, Differencesand Lessons. Inf. téc. Documento de trabajo 15524. National Bureau of Economic Research.

Auerbach, A.J. e Y. Gorodnichenko (2010). Measuring the output responses to fiscal policy. Inf. téc.Documento de trabajo No. 16311. National Bureau of Economic Research.

Banbura, Marta, Domenico Giannone y Lucrezia Reichlin (2010). “Large Bayesian VARs”. En: Journalof Applied Econometrics 25, págs. 71-92.

Banco Mundial (2005). “DR-CAFTA: Challenges and opportunities for Central America”. En: Wa-shington, DC.

Barrell, R., D. Holland e I. Hurst (2012). Fiscal Consolidation: Part 2. Fiscal Multipliers and FiscalConsolidations, inf. téc. Working Paper No. 933. OECD Economics Department.

Barro, Robert J y Charles J Redlick (2011). “Macroeconomic effects from government purchases andtaxes”. En: The Quarterly Journal of Economics 126.1, págs. 51-102.

Bashar, Omar HMN (2011). “On the permanent effect of an aggregate demand shock: Evidencefrom the G-7 countries”. En: Economic modelling 28.3, págs. 1374-1382.

— (2012). “The dynamics of aggregate demand and supply shocks in ASEAN countries”. En: Journalof Asian economics 23.5, págs. 507-518.

Batini, N., G. Callegari y G. Melina (2012). Successful Austerity in the United States, Europe andJapan. Inf. téc. Documento de trabajo No. 12/190. Fondo Monetario Internacional.

Batini, N., L. Eyraud y col. (2014). Fiscal Multipliers: Determinants and use in Macroeconomic Pro-jections. Inf. téc. Notas técnicas y manuales. Fondo Monetario Internacional.

Battini, N. y D. Laxton (2006). Under what conditions can Inflation Targeting be adopted? The expe-rience of Emerging Markets. Inf. téc. Working Papers No. 406. Banco Central de Chile.

Baumeister, C. y J. Hamilton (2005). Sign Restrictions, Structural Vector Autoregressions, and UsefulPrior Information. Inf. téc.

Bello, Oknan (2007). Modelo Macroeconométrico de Proyección de Corto Plazo para Nicaragua.Documento de Trabajo No. 09. Banco Central de Nicaragua.

Bernake, B. y F. Mishkin (1997). “Inflation Targeting: A New Framework for Monetary Policy?” En:The Journal of Economic Perspectives 11, (2), págs. 97-116.

Bernanke, Ben S e Ilian Mihov (1998). “The liquidity effect and long-run neutrality”. En: Carnegie-Rochester conference series on public policy. Vol. 49. Elsevier, págs. 149-194.

Bernanke, Ben y Mark Gertler (1989). “Agency costs, net worth, and business fluctuations”. En: TheAmerican Economic Review, págs. 14-31.


https://ideas.repec.org/a/ijc/ijcjou/y2007q4a4.html


Beteta, H. y J. Moreno-Brid (2014). Cambio estructural y crecimiento en Centroamérica y la Repú-blica Dominicana: Un balance de dos décadas, 1990-2011. Inf. téc. Comisión Económica paraAmérica Latina y el Caribe (CEPAL).

Blanchard, O. (1989). “A Traditional Interpretation of Macroeconomic Fluctuations”. En: The Ame-rican Economic Review 79 (5), págs. 1146-1164.

Blanchard, O. y D. Quah (1989a). “The Dynamic Effects of Aggregate Demand and Supply Distur-bances.” En: The American Economic Review 29 (4), págs. 655-673.

Blanchard, Oliver Jean y Danny Quah (1989b). “The Dynamic Effects of Aggregate Demand andSupply Disturbances”. En: The American Economic Review 79.4, págs. 655-673.

Blanchard, Olivier y Roberto Perotti (2002). “An empirical characterization of the dynamic effects ofchanges in government spending and taxes on output”. En: the Quarterly Journal of economics117.4, págs. 1329-1368.

Born, Benjamin, Falko Juessen y Gernot Müller (2012). “Exchange rate regimes and fiscal multi-pliers”. En: Fiscal Policy in the Aftermath of the Financial Crisis. Comisión Europea.

Braun, H., R. De Bock y R. DiCecio (2009). Supply Shocks, Demand Shocks, and Labor MarketFluctuations. Inf. téc. Federal Reserve Bank of St. Louis Review, págs. 78-155.

Brunner, A. D. (2002). “El Nino and World Primary Commodity Prices: Warm Water or Hot Air?” En:Review of Economics and Statistics (84(1)), págs. 176-183.

Cai y col. (2014). “Increasing frequency of extreme El Niño events due to greenhouse warming”. En:Nature Climate Change 4, págs. 111-116.

Calderón, C. y K. Schmidt-Hebbel (2008). What drives inflation in the world? Inf. téc. 491. BancoCentral de Chile.

Canova, Fabio y Gianni De Nicolo (2002). “Monetary disturbances matter for business fluctuationsin the G-7”. En: Journal of Monetary Economics 49.6, págs. 1131-1159.

Carrière-Swallow, Y. y B. Gruss (2017). Implications of Global Financial Integration for MonetaryPolicy in Latin America. Challenges for Central Banking Perspectives from Latin America. Inf. téc.Fondo Monetario Internacional. Cap. 4.

Cashin, P., K. Mohaddes y M. Raissi (2015). “Fair Weather of Foul? The Macroeconomic Effects ofEl Niño”. En: IMF Working Paper WP/15/89.

Castillo, P. y col. (2011). Política macroprudencial en los países de la Región. Inf. téc. Banco Centralde la Reserva del Perú.

Checo, Ariadne, Salomé Pradel y Francisco A Ramírez (2015). “Measuring the Effects of the ‘Nor-malization’of US Monetary Policy on Central America and the Dominican Republic”. En:

Cho, Renee (2016). “El Niño and Global Warming—What’s the Connection?” En: ed. por GeneralEarth Institute Climate. url: http://blogs.ei.columbia.edu/2016/02/02/el-nino-and-global-warming-whats-the-connection/.

Choi, S. y col. (2017). Oil Prices and Inflation Dynamics: Evidence from Advanced and DevelopingEconomies. Inf. téc. WP/17/196. Fondo Monetario Internacional.

Claessens, S., M. A. Kose y M. Terrones (2010). “Recesiones y alteraciones financieras en mercadosemergentes: una visión panorámica”. En: Economía Chilena 13.2.

Clarida, R. y J. Galí (1994). Sources of Real Exchange Rate Fluctuations: How Important are NominalShocks? Inf. téc. 4658. NBER.

Clarida, R., J. Galí y M. Gertler (1999). “The Science of Monetary Policy: A New Keynesian Perspec-tive”. En: Journal of Economic Literature XXXVII, págs. 1661-1707.


http://blogs.ei.columbia.edu/2016/02/02/el-nino-and-global-warming-whats-the-connection/



Clevy, Jean Francois (2015). “Estructura Microeconómica y Rigideces de Tasas de Interés: Evidenciapara Nicaragua”. En: Revisa de Economía y Finanzas Vol. 2, págs. 1-26.

Cole, Harold L y Lee E Ohanian (2004). “New Deal policies and the persistence of the Great Depres-sion: A general equilibrium analysis”. En: Journal of political Economy 112.4, págs. 779-816.

Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (2016). “State of CommodityDependence”. En:

Consejo Monetario Centroamericano (2008). “Impacto del incremento de los precios del petróleoy los combustibles en la inflación de Centroamérica y República Dominicana”. En: Documentosde Trabajo SECM-CA I-2408.

— (2018). Matriz de principales políticas macroeconómicas. Inf. téc.Cover, James Peery, Walter Enders y C James Hueng (2006). “Using the aggregate demand-aggregatesupply model to identify structural demand-side and supply-side shocks: Results using a bivariateVAR”. En: Journal of Money, Credit, and Banking 38.3, págs. 777-790.

Danne, C. (2015). “VARsignR: Estimating VARs using sign restrictions in R”. En:De Mol, Christine, Domenico Giannone y Lucrezia Reichlin (oct. de 2008). “Forecasting using alarge number of predictors: Is Bayesian shrinkage a valid alternative to principal components?”En: Journal of Econometrics 146.2, págs. 318-328. url: https://ideas.repec.org/a/eee/econom/v146y2008i2p318-328.html.

De Mooij, Ruud A y Sjef Ederveen (2001). Taxation and foreign direct investment: a synthesis ofempirical research. Inf. téc. Discussion Papers 13. CPB Netherlands Bureau for Economic PolicyAnalysis, págs. 673-693.

— (2008). Corporate tax elasticities: a reader’s guide to empirical findings. Inf. téc. Working Papers,N1 0822. Oxford University Centre for Business Taxation.

DelNegro, M. y Schorfheide, F. (2011). “The Oxford Handbook of Bayesian Econometrics”. En:ed. por John Geweke, Gary Koop y Herman van Dijk. Oxford University Press. Cap. BayesianMacroeconometrics, págs. 293-389.

Dickey, David A y Wayne A Fuller (1981). “Likelihood ratio statistics for autoregressive time serieswith a unit root”. En: Econometrica: journal of the Econometric Society, págs. 1057-1072.

Dieppe, Alistair, Romain Legrand y Björn van Roye (jul. de 2016). The BEAR toolbox. Working PaperSeries 1934. European Central Bank. url: https://ideas.repec.org/p/ecb/ecbwps/20161934.html.

Dincer, N Nergiz y Barry Eichengreen (2013). “Central bank transparency and independence: up-dates and new measures”. En:

Enders, Walter y Stan Hurn (2007). “Identifying aggregate demand and supply shocks in a smallopen economy”. En: Oxford Economic Papers 59.3, págs. 411-429.

Estevão, M. e I. Samake (2013). The Economic Effects of Fiscal Consolidation with Debt Feedback.Inf. téc. Documento de Trabajo. Fondo Monetario Internacional.

F., Carvalho. y M. de Castro (2017). A Brazilian Perspective on Macroprudential and Monetary Po-licy Interaction. Challenges for Central Banking Perspectives from Latin America. Inf. téc. FondoMonetario Internacional. Cap. 8.

Faust, Jon (1998a). “The robustness of identified VAR conclusions about money”. En: Carnegie-Rochester Conference Series on Public Policy. Vol. 49. Elsevier, págs. 207-244.

— (1998b). “The robustness of identified VAR conclusions about money”. En: Carnegie-RochesterConference Series on Public Policy. Vol. 49. Elsevier, págs. 207-244.







Favero, Carlo, Francesco Giavazzi y Jacopo Perego (2011). “Country heterogeneity and the inter-national evidence on the effects of fiscal policy”. En: Fondo Monetario Internacional.

Feenstra, Robert C., Robert Inklaar y Marcel P. Timmer (2015). “The Next Generation of the PennWorld Table”. En: American Economic Review.

Fischer, Stanley (1983). Supply Shocks, Wage Stickiness, and Accommodation. Inf. téc. NationalBureau of Economic Research.

FMI (2010). “Will it hurt? Macroeconomic effects of fiscal consolidation”. En: IMF World EconomicOutlook.

Fondo Monetario Internacional (2013). The interaction between Monetary and Macroprudential po-licies. Inf. téc.

— (2018). Regional Economic Outlook, Western Hemisphere: Seizing the momentum. Inf. téc.Fondo Monetario Internacional, Banco Internacional de Pagos y Consejo de Estabilidad Financiera(2016). Elements of Effective Macroprudential Policies, Lessons from International Experience. Inf.téc.

Fry, Renee y Adrian Pagan (2011a). “Sign restrictions in structural vector autoregressions: A criticalreview”. En: Journal of Economic Literature 49.4, págs. 938-60.

— (2011b). “Sign restrictions in structural vector autoregressions: A critical review”. En: Journal ofEconomic Literature 49.4, págs. 938-960.

Funk y col. (2008). “Warming of the Indian Ocean threatens eastern and southern African food secu-rity but could bemitigated by agricultural development”. En: PNAS 105 (32), págs. 11081-11086.

Galí, J., J.D. López-Salido y J. Vallés (2005). Understanding the effects of government spending onconsumption. Inf. téc. Working Paper 11578. National Bureau of Economic Research.

Gali, Jordi (1999). “Technology, employment, and the business cycle: do technology shocks explainaggregate fluctuations?” En: American economic review 89.1, págs. 249-271.

Gámez, Oscar (2006). “Identificación y medición de las contribuciones relativas de los shocks es-tructurales en la economía nicaraguense”. En: Revista Monetaria. Centro de Estudios MonetariosLatinoamericanos (CEMLA) 29.4.

García, P. (2014). A quince años de la meta de inflación en Chile. Documentos de Política Monetaria.Inf. téc. 48. Banco Central de Chile.

Garry, S. y Rivas, J.C. (2017). “An analysis of the contribution of public expenditure to economicgrowth and fiscal multipliers in Mexico, Central America and the Dominican Republic, 1990-2015”. En: Economic Comission for Latin America and the Caribbean (ECLAC).

Garry, Stefanie y Juan Carlos Rivas Valdivia (2016). “An analysis of the contribution of public expen-diture to economic growth and fiscal multipliers in Mexico, Central America and the DominicanRepublic, 1990-2015”. En:

Giannone, Domenico, Michele Lenza y Giorgio E. Primiceri (mayo de 2015). “Prior Selection forVector Autoregressions”. En: The Review of Economics and Statistics 97.2, págs. 436-451. url:https://ideas.repec.org/a/tpr/restat/v97y2015i2p436-451.html.

Glantz, Michael H. (2015). “Shades of Chaos: Lessons Learned About Lessons Learned About Fore-casting El Niño and Its Impacts”. En: International Journal of Disaster Risk Science (6), págs. 94-103.

Gómez-González, José Eduardo y col. (2013). “The interdependence between credit and real busi-ness cycles in latin american economies”. En: Borradores de Economía; No. 768.

Gordon, Robert J (2013). The Phillips curve is alive and well: Inflation and the NAIRU during the slowrecovery. Inf. téc. National Bureau of Economic Research.


https://ideas.repec.org/a/tpr/restat/v97y2015i2p436-451.html


Granger, Clive (1969). “Investigating Causal Relations by Econometric Models and Cross-SpectralMethods”. En: Econometrica 37.3, págs. 424-38. url: http : / / EconPapers . repec . org /RePEc:ecm:emetrp:v:37:y:1969:i:3:p:424-38.

Grigoli, Francesco, Alexander Herman y Mr Andrew J Swiston (2017). A Crude Shock: Explaining theImpact of the 2014-16 Oil Price Decline Across Exporters. International Monetary Fund.

Guajardo, Jaime, Daniel Leigh y Andrea Pescatori (2011). Expansionary Austerity: New InternationalEvidence. Inf. téc. IMF Working Paper 11/158, Washington: International Monetary Fund.

Hall, Robert E (2009). By how much does GDP rise if the government buys more output? Inf. téc.Working Paper 15496. National Bureau of Economic Research.

Hamilton, James Douglas (1994). Time series analysis. Vol. 2. Princeton university press Princeton,NJ.

Hartman, David G (1984). “Tax policy and foreign direct investment in the United States”. En: Na-tional Tax Journal 38.4, págs. 475-487.

Hines Jr, James R (1996). “Altered states: Taxes and the location of foreign direct investment inAmerica”. En: The American Economic Review 86 (5), págs. 1076-1094.

Hoffmaister, Mr Alexander W y Mr Jorge Roldos (1997). Are business cycles different in Asia and LatinAmerica? 97-99. International Monetary Fund.

Hsiang, Solomon M. y Kyle C. Meng (2015). “Tropical economics”. En: American Economic Review105(5), págs. 257-261. url: http://escholarship.org/uc/item/7870h7hc.

Ilzetzki, Ethan, Enrique G Mendoza y Carlos A Végh (2011). How big (small?) are fiscal multipliers?Inf. téc. Documento de trabajo No. 11/52. Fondo Monetario Internacional.

Jácome, Luis (2013). “Política macroprudencial: en qué consiste y cómo ponerla en práctica”. En:Boletín 59.2, págs. 93-120.

Juste, S. y Sansone, A. (2015). “Exchange rate pass-through to prices: VAR evidence for Chile”. En:Documentos de Trabajo. No. 747. Banco Central de Chile.

Karras, Georgios (2011). “Trade openness and the effectiveness of fiscal policy: some empiricalevidence”. En: International Review of Economics 59.3, págs. 303-313. issn: 1865-1704.

Keating, John W (2013). “Interpreting permanent shocks to output when aggregate demand may notbe neutral in the long run”. En: Journal of Money, Credit and Banking 45.4, págs. 747-756.

Keating, John W y John V Nye (1998). “Permanent and transitory shocks in real output: Estimatesfrom nineteenth-century and postwar economies”. En: Journal of Money, Credit and Banking,págs. 231-251.

Kleinbaum, David G y col. (2013). Applied regression analysis and other multivariable methods.Nelson Education.

Koop, G. y Korobilis, D. (ene. de 2009). Bayesian Multivariate Time Series Methods for EmpiricalMacroeconomics. Working Paper Series 47-09. The Rimini Centre for Economic Analysis. url:https://ideas.repec.org/p/rim/rimwps/47_09.html.

Larski, Stanislav (2012). “The problem of model selection and scientific realism”. Tesis doct. TheLondon School of Economics y Political Science (LSE).

Lavanda, Guillermo y Gabriel Rodríguez (2011). “Descomposición histórica de la inflación en Perú.Distinguiendo entre choques de demanda y choques de oferta”. En: Economía 34.67, págs. 126-162.

Levin, Andrew T, Fabio M Natalucci, Jeremy M Piger y col. (2004). “The macroeconomic effects ofinflation targeting”. En: Review-Federal Reserve Bank of Saint Louis 86.4, págs. 51-8.




http://escholarship.org/uc/item/7870h7hc

https://ideas.repec.org/p/rim/rimwps/47_09.html


Litterman, Robert B (ene. de 1986). “Forecasting with Bayesian Vector Autoregressions-Five Yearsof Experience”. En: Journal of Business & Economic Statistics 4.1, págs. 25-38. url: https ://ideas.repec.org/a/bes/jnlbes/v4y1986i1p25-38.html.

Lucas Jr, Robert E (1972). “Expectations and the Neutrality of Money”. En: Journal of economic theory4.2, págs. 103-124.

Mendieta-Muñoz, Ivan y col. (2018). “The dynamic effects of aggregate supply and demand shocksin the Mexican economy”. En: Economics Bulletin 38.1, págs. 41-51.

Mendonça, H. F. (2004). “Midiendo la credibilidad del esquema de Metas de Inflación en Brasil.”En: Revista de Economía Política 24(3).

Mio, Hitoshi y col. (2002). “Identifying aggregate demand and aggregate supply components ofinflation rate: a structural vector autoregression analysis for Japan”. En: Monetary and EconomicStudies 20.1, págs. 33-56.

Mishkin, SF (2007). Inflation dynamics (Working Paper Series National Bureau of Economic Research,NBER, No. 13147).

Moody´s (2016). Sovereigns – Latin America and the Caribbean. Mixed RatingOutlook Reflects LowerTrend Growth and Moderate Fiscal Space. Inf. téc.

Morana, Claudio (2012). “PC-VAR Estimation of Vector Autoregressive Models”. En: Open Journalof Statistics 02.03, págs. 251-259.

Mountford, Andrew (2005). “Leaning into the wind: a structural VAR investigation of UK monetarypolicy”. En: Oxford Bulletin of Economics and Statistics 67.5, págs. 597-621.

Obstfeld, M. y K. Rogoff (1996). Foundations of international macroeconomics. 2nd ed. Cambridge,MA: MIT Press.

Oduber, M. y J. Ridderstaat (2016). “Impacts of Cyclic Patterns of Climate on Fluctuations in TourismDemand: Evidence from Aruba”. En: J. Tourism Res. Hospitality 5: 3.

Ouliaris, S, AR Pagan y J Restrepo (2015). A new method for working with sign restrictions in SVARs.Inf. téc. National Centre for Econometric Research.

Pagliacci, Carolina (2016). “Are we ignoring supply shocks? A proposal for monitoring cyclical fluc-tuations”. En: Empirical Economics, págs. 1-23.

— (2019). “Are we ignoring supply shocks? A proposal for monitoring cyclical fluctuations”. En:Empirical Economics 56.2, págs. 445-467.

Peersman, G y R Straub (2004). “Technology shocks and robust sign restrictions in a euro area VAR,ECB Working Paper, No. 373”. En:

Perendia, George, Chris Tsoukis y col. (2012). “The Keynesian multiplier, news and fiscal policy rulesin a DSGE model”. En: Centre pour la recherche economique et ses applications Dynare WorkingPaper 25.

Pérez, P. y F. Morla (2013). “Análisis de la Inversión Extranjera Directa en República Dominicana: UnModelo de Corrección de Errores”. En: Oeconomia VII.4, págs. 8-19.

Perotti, Roberto, Ricardo Reis y Valerie Ramey (jun. de 2007). “In search of the transmission me-chanism of fiscal policy [with comments and discussion]”. En: NBER macroeconomics AnnualDocumento de trabajo 13143.

Perry, Nathan y Matías Vernengo (2011). What Ended the Great Depression?. Reevaluating the Roleof Fiscal Policy. Inf. téc. Working Paper No. 678. The Levy Economics Institute, págs. 75-97.

Pesaran, H. y Shin, Y. (1998). “Generalized impulse response analysis in linear multivariate models”.En: Economics Letters 58.1, págs. 17-29. issn: 0165-1765. url: http://www.sciencedirect.com/science/article/pii/S0165176597002140.







Phillips, Peter CB y Pierre Perron (1988). “Testing for a unit root in time series regression”. En: Bio-metrika 75.2, págs. 335-346.

Pradel, Salomé, Francisco A Ramírez y Aridane M Checo (2017). “The Effects of USA MonetaryPolicy on Central America and the Dominican Republic”. En: International Spillovers of MonetaryPolicy. Ed. por Ángel Estrada García y Alberto Ortiz Bolaños. Center for Latin American MonetaryStudies y Banco de España, págs. 189-222.

Restrepo, Jorge E y Hernán Rincón (2006). Identifying fiscal policy shocks in Chile and Colombia.Inf. téc. Working Paper No. 397. Banco de la República de Colombia.

Roache, Shaun K (2008). “Las tendencias regionales de América Central y los ciclos económicos deEstados Unidos”. En: Cataloging-in-Publication Data, pág. 39.

Rojas Navarrete, Manuel (2017). “Estadísticas del subsector eléctrico de los países del Sistema dela Integración Centroamericana (SICA), 2016”. En:

Rojas-Romagosa, Hugo (2017). “Potential economic effects of TTIP for the Netherlands”. En: DeEconomist 165.3, págs. 271-294.

Rojas-Romagosa, Hugo, Joseph F Francois, L Rivera y col. (2008). Economic perspectives for CentralAmerica after CAFTA; a GTAP-based analysis. Inf. téc. CPB Netherlands Bureau for EconomicPolicy Analysis.

Roubini, Nouriel (2017). “The mystery of the missing inflation”. En: Project Syndicate. September 13.Rubio-Ramirez, Juan F, Daniel F Waggoner y Tao Zha (2010). “Structural vector autoregressions:Theory of identification and algorithms for inference”. En: The Review of Economic Studies 77.2,págs. 665-696.

Sariola, Mikko (2015). “What drives business cycles in Sweden? A sign restriction structural VARapproach”. En: Discussion Papers 1, pág. 2015.

Scholl, Almuth y Harald Uhlig (2008). “New evidence on the puzzles: Results from agnostic identi-fication on monetary policy and exchange rates”. En: Journal of International Economics 76.1,págs. 1-13.

Schwarz, Gideon y col. (1978). “Estimating the dimension of a model”. En: The annals of statistics6.2, págs. 461-464.

Schwinn, Richard T (2015). “Fiscal Volatility Diminishes Fiscal Multipliers”. Tesis doct. University ofIllinois at Chicago.

Shapiro, Matthew D y Mark W Watson (1988). “Sources of business cycle fluctuations”. En: NBERMacroeconomics annual 3, págs. 111-148.

Sims, Christopher A (ene. de 1980a). “Macroeconomics and Reality”. En: Econometrica 48.1, págs. 1-48.url: https://ideas.repec.org/a/ecm/emetrp/v48y1980i1p1-48.html.

— (1980b). “Macroeconomics and reality”. En: Econometrica: Journal of the Econometric Society,págs. 1-48.

— (1980c). “Macroeconomics and reality”. En: Econometrica: journal of the Econometric Society,págs. 1-48.

Stock, James H. y Mark W. Watson (dic. de 2001). “Vector Autoregressions”. En: Journal of EconomicPerspectives 15.4, págs. 101-115. url: http://www.aeaweb.org/articles?id=10.1257/jep.15.4.101.

Svensson, LE (2010). “Inflation Targeting. NBER Working Paper No 16654”. En:Swenson, Deborah L (1998). “Investment distinctions: The effect of taxes on foreign direct investmentin the US”. En: The welfare state, public investment, and growth. Springer, págs. 199-217.


https://ideas.repec.org/a/ecm/emetrp/v48y1980i1p1-48.html




Talvi, Ernesto y Carlos Végh (2000). Tax Base Variability and Procyclical Fiscal Policy. Inf. téc. WorkingPaper 7499. National Bureau of Economic Research.

Tavares-Lehmann, Ana Teresa, Ângelo Coelho y Frederick Lehmann (2012). “Taxes and Foreign Di-rect Investment Attraction: A Literature Review”. En: New Policy Challenges for European Multina-tionals (Progress in International Business Research, Vol. 7). Ed. por R. Van Tulder, A. Verbeke y L.Voinea. Bingley: Emerald Group Publishing Limited, págs. 89-117. isbn: 978-1-78190-020-8.

Tiscordio Lazo, Ina y Elizabeth Bucacos (jun. de 2008). Efectos de la política fiscal en Uruguay: unanálisis a través de shocks fiscales. Inf. téc. Banco Central de Uruguay.

Uhlig, Harald (2005). “What are the effects of monetary policy on output? Results from an agnosticidentification procedure”. En: Journal of Monetary Economics 52.2, págs. 381-419.

Urbina, Jilber (2015). “Producto Potencial y Brecha del Producto en Nicaragua”. En: Revista deEconomía y Finanzas 2, págs. 59-93.

Van der Horst, Albert, Leon JH Bettendorf y Hugo Rojas-Romagosa (2007). “Will corporate tax con-solidation improve efficiency in the EU?” En: Available at SSRN 1016948.

Vargas, Armando Sánchez (2017). “Determinantes de la magnitud de los multiplicadores fiscales yfactores que inciden en la política fiscal en Centroamérica, la República Dominicana y México”.En: Comisión Económica para América Latina y el Caribe (CEPAL).

Villani, Mattias (2009). “Steady-state priors for vector autoregressions”. En: Journal of Applied Econo-metrics 24.4, págs. 630-650. url: https://ideas.repec.org/a/jae/japmet/v24y2009i4p630-650.html.

Walsh, C. E. (2010). Monetary theory and policy. 3rd ed. Cambridge, MA: MIT Press.Waylen, P., M. Quesada y C. Caviedes (1996). “Temporal and Spatial Variability of Annual Precipi-tation in Costa Rica and The Southern Oscillation.” En: Int. J. Climatol (16), págs. 173-193.

Wold, Herman OA (1951). “Dynamic Systems of the Recursive Type: Economic and Statistical As-pects”. En: Sankhy: The Indian Journal of Statistics, págs. 205-216.

Wolf, Christian K (2017). “Masquerading Shocks in Sign-Restricted VARs”. En: Manuscript, PrincetonUniversity.

Young, Kan H (1988). “The effects of taxes and rates of return on foreign direct investment in theUnited States”. En: National Tax Journal, págs. 109-121.





Apéndices

Apéndice 1. Datos utilizados: muestra y referencia

Tabla 8: Apéndice 1. Datos utilizados: muestra y referencia

Variable Período Fuente

República Dominicana Inflación general interanual 2005T2-2017T4 SECMCACrecimiento PIB interanual 2005T2-2017T4 SECMCA

Costa Rica Inflación general interanual 2005T2-2017T4 SECMCACrecimiento PIB interanual 2005T2-2017T4 SECMCA

Guatemala Inflación general interanual 2005T2-2017T4 SECMCACrecimiento PIB interanual 2005T2-2017T4 SECMCA

Brasil Inflación general interanual 2005T2-2017T4 IFS, FMICrecimiento PIB interanual 2005T2-2017T3 CEPAL

2017T4 Trading Economics

Chile Inflación general interanual 2005T2-2017T4 IFS, FMICrecimiento PIB interanual 2005T2-2013T4 CEPAL

2014T1-2017T4 Banco Central deChile

Colombia Inflación general interanual 2005T2-2017T4 IFS, FMICrecimiento PIB interanual 2005T2-2017T4 Banco de la

República deColombia

Perú Inflación general interanual 2005T2-2017T4 IFS, FMICrecimiento PIB interanual 2005T2-2017T4 Banco de la

Reserva de Perú




Apéndice 2. Desviación total promedio del crecimiento e inflación (muestra com-pleta: 2005T2-2017T4)

Tabla 9: Importadores netos de commodities







Tabla 10: Exportadores netos de commodities









Apéndice 3. Impacto del choque de oferta sobre el crecimiento y la inflación en lospaíses de Centroamérica y Suramérica

Figura 4: Importadores netos de commodities




Figura 5: Exportadores netos de commodities

Fuente: Elaboración propia de los autores.RECARD, volumen I, 2020 93


Apéndice 4. Impulsos-respuesta (IR) del crecimiento y la inflación ante choques deoferta y demanda (una desviación estándar)

Figura 6: Importadores netos de commodities




Figura 7: Exportadores netos de commodities


Apéndice 5. Correlaciones entre choques de oferta y variaciones en los precios decommodities

Tabla 11: Correlación entre el índice de precios de commodities del FMI y los desvíos delcrecimiento e inflación explicados por los choques de oferta en los importadores netos

Costa Rica Guatemala R. Dominicana Promedio

Componente cíclico del crecimiento 0.13 -0.35 -0.19 -0.14Desviación de la inflación 0.05 0.49 0.54 0.36

Fuente: Elaboración propia de los autores empleando datos del FMI.



Tabla 12: Correlación entre el índice de precios de commodities del FMI y los desvíos delcrecimiento e inflación explicados por los choques de oferta en los exportadores netos


Desviación total del crecimiento 0.47 0.54 0.38 0.63 0.52Desviación total de la inflación -0.48 0.13 -0.48 -0.20 -0.19

Fuente: Elaboración propia de los autores empleando datos del FMI.

Apéndice 6. Pruebas de Robustez

La condición de estabilidad del VAR se satisface para los modelos estimados de cada país; la pruebase realiza para un VAR(1) en los casos de Costa Rica, Guatemala, Colombia y Perú y un VAR(2) enRepública Dominicana, Brasil y Chile. Estos modelos son estables (estacionarios), porque las inversasde sus raíces están dentro del círculo unitario. Esta condición de estabilidad garantiza convergenciaen los resultados y la validez de las funciones de impulso-respuesta.

Por el contrario, los VAR no satisfacen las condiciones de estabilidad si se considera el mayor rezagosugerido dentro de los criterios de información Akaike, Schwarz y Hannan. En estos casos, al menosuna raíz se encuentra fuera del círculo unitario.

Un ejercicio de robustez consiste en limitar las restricciones en el modelo de forma que los cho-ques se identifiquen cuando los impulso-respuesta cumplan con los signos esperados por solo dostrimestres (k=2). Este enfoque es más naïve, con el interés de verificar si los efectos esperados delos choques de oferta y demanda sobre el crecimiento y la inflación permanecen algunos períodosmás allá de los que se imponen. Los gráficos de impulso-respuesta de este ejercicio muestran unapersistencia de los choques similar a la estimación base en la mayoría de los casos, demostrando larobustez de los resultados anteriores. Además, la identificación de los períodos donde las fluctua-ciones cíclicas del crecimiento y la inflación están dominadas por choques de oferta es similar a losresultados anteriores.

El escenario contrario al ejercicio anterior consiste en endurecer las restricciones de signos y evaluarsu impacto sobre los resultados. Para esto, se intentó realizar estimaciones donde las restriccionesde signos se imponen por seis trimestres (𝑘 = 6). Este ejercicio fue menos exitoso, encontrándosedificultades para obtener resultados que cumplieran con las restricciones.

Similar a las pruebas de robustez realizadas en Peersman y Straub (2004), se intentó realizar lasestimaciones con el VAR donde las variables estuvieran expresadas en niveles. No obstante, el VARno cumple con las condiciones de estabilidad.

Por último, en la técnica de restricción de signos se encuentran ausentes las restricciones informales(Faust 1998b) y se imponen menos restricciones a los VAR que otras estrategias, lo que dificultarealizar pruebas de robustez adicionales.



Tabla 13: Desviación total promedio del crecimiento e inflación (2014T1-2016T4) en losimportadores netos de commodities (modelo aplicando restricciones por 2 trimestres)







Tabla 14: Desviación total promedio del crecimiento e inflación (2014T1-2016T4) en losexportadores netos de commodities (modelo aplicando restricciones por 2 trimestres)









Apéndice 7. Anclaje de las Expectativas

Figura 8: Índice de Anclaje de las Expectativas – Países Exportadores Netos de commodities

(promedio móvil 12 meses)

Fuente: Estimaciones propias basadas en las encuestas de expectativas de los bancos centrales.



Figura 9: Índice de Anclaje de las Expectativas – Países Importadores Netos de commodities

(promedio móvil 12 meses)

Fuente: Estimaciones propias basadas en las encuestas de expectativas de los bancos centrales.



Volumen I, 2020

Efectos Macroeconómicos de El Niño enCosta RicaJorge León1

ResumenEl presente documento explora los efectos del fenómeno climatológico conocido como El NiñoOscilación Sur (ENOS) en la evolución de los precios y producción de Costa Rica. Para ello sedesarrolla un marco teórico relevante y se estiman los efectos de las fluctuaciones del ENOS sobreestas variables. Los resultados sugieren que El Niño tiene un efecto positivo sobre los precios y unefecto negativo sobre la producción.

Clasificación JEL: E31, Q54.Palabras clave: Inflación, Crecimiento, ENOS.

1 Introducción

El presente documento explora los efectos del fenómeno climatológico conocido como El Niño enprecios y producción para Costa Rica. Existe relativamente poca literatura sobre este tema a nivelnacional, por tanto esta investigación pretende proveer de un primer análisis que permita a las au-toridades tener una mayor comprensión sobre el tema.

El Niño es un fenómeno climatológico, que se relaciona con el calentamiento del Océano Pacíficoa nivel ecuatorial. Este calentamiento oceánico crea variaciones en el clima mundial, pero en mayorgrado en las regiones colindantes con este océano. Para el caso específico de Costa Rica su efectosobre el clima es una reducción en las lluvias en la vertiente del Pacífico y un incremento en lavertiente del Atlántico, este efecto heterogéneo sobre las vertientes del país dificulta su estudio pueslas consecuencias del fenómeno son particulares a la situación geográfica y cultivos de cada regiónen el país.

Como consecuencia de este desbalance en precipitaciones en las vertientes del Caribe y el Pacíficodel país generan pérdidas de productos en el sector agrícola por sequía y anegamiento de cultivos,así como pérdidas en infraestructura y en algunos casos extremos por inundaciones. Todo lo anteriorrepercute negativamente sobre la oferta disponible de bienes agrícolas, lo cual hace que sus precios

1Departamento de Investigación Económica, División Económica, BCCR. [email protected]

101



Jorge León

se incrementen y esto a su vez se refleje sobre el nivel de precios al consumidor.

Un segundo efecto sobre los precios es por incremento de costos. Ya sea costos de transporte demercancías por vías en dañadas, o por un incremento en los costos de producción por el uso detécnicas más caras para mitigar el efecto, como lo es el riego. O inclusive la sustitución por pro-ductos importados, lo cual afecta la balanza de pagos y el tipo de cambio.

La revolución industrial y el crecimiento económico posterior tanto de economías desarrolladas co-mo en desarrollo han traído consigo una dependencia de los combustibles fósiles, lo cual a su vezha generado un incremento en la temperatura promedio del planeta. A este proceso se le ha llama-do Calentamiento Global2. Este cambio en la temperatura y la incertidumbre sobre sus efectos enla economía global ha hecho que cada vez más los economistas estén interesados en la relaciónentre el clima, la temperatura, precipitación, tormentas y otros fenómenos meteorológicos con laeconomía, incluyendo la producción agrícola, la productividad laboral, los precios de las materiasprimas, conflictos comerciales y crecimiento económico.

Los científicos saben que El Niño contribuye al incremento de la temperatura a nivel global. Perose sabe relativamente poco del efecto inverso. Cai y col. (2014) sugieren que la aparición de fe-nómenos de El Niño fuertes puede duplicarse debido al calentamiento global. Utilizando modelosclimáticos para proyectar las variaciones en El Niño en los próximos cien años, los autores prevénque Niños extremos pueden llegar a ocurrir cada diez años en lugar de cada veinte. En este sentidoMichael Jarraud, ex secretario general de la Organización Meteorológica Mundial, advirtió que ElNiño podría estar ”moviéndose a un territorio inexplorado”. Agrega que ”Este fenómeno natural deEl Niño y el cambio climático inducido por el hombre pueden interactuar y modificarse mutuamentede formas no experimentada antes”.

Los resultados obtenidos en este trabajo prueban que la oscilación climática de El Niño tiene unefecto tanto sobre los precios, como sobre la producción nacional. Si bien este efecto no es cons-tante a lo largo del tiempo, es importante que las autoridades lo tomen en consideración a la horade analizar el entorno económico. El calentamiento global puede tener un efecto sobre El Niño, porlo cual fenómenos más intensos no pueden descartarse, y las autoridades deben tomar medidaspreventivas que mitiguen su efecto en un futuro.

La baja en la inflación, junto con la diversificación de la producción nacional, son algunas de lasfortalezas que tiene la economía de Costa Rica a la hora de enfrentar a El Niño. Sin embargo,políticas dirigidas a los sectores productivos más vulnerables permitirán reducir el costo económicoy social de estas perturbaciones climáticas.

El presente documento plantea una base sobre la cual discutir las implicaciones económicas deEl Niño, permitiendo pasar de discusiones de carácter anecdótico y sectorial a una discusión más

2El Calentamiento Global se refiere al aumento gradual de las temperaturas observado en los océanos y la atmósfera.El aumento de la temperatura global es un hecho que pocos ponen en duda, lo que todavía genera controversia esla fuente y razón de este aumento de la temperatura. Aun así, la mayor parte de la comunidad científica opina que suorigen proviene de los gases de efecto invernadero por las actividades humanas que incluyen deforestación y la quemade combustibles fósiles como el petróleo y el carbón.


Efectos Macroeconómicos de El Niño en Costa Rica

macroeconómica con una base teórica y empírica relevante para nuestra economía.

En la relación entre el clima y la economía todavía hay mucho por estudiar, por lo cual nuevasmetodologías y datos que surjan en un futuro serán muy importantes para seguir profundizando enel conocimiento de este tema.

Este documento se estructura de la siguiente forma: la segunda sección describe el fenómeno deEl Niño y sus efectos sobre los patrones climáticos globales, así como su efecto sobre el clima enCosta Rica. La tercera sección describe los resultados encontrados en la literatura sobre los efectosde El Niño sobre las variables macroeconómicas. La cuarta sección desarrolla un modelo teórico,que permite estudiar los efectos esperados de El Niño sobre la economía. La quinta sección descri-be los datos y ecuaciones utilizadas para la estimación econométrica, y se comentan los resultadosobtenidos. La sexta parte concluye con comentarios finales sobre los resultados obtenidos en estainvestigación.

2 ¿Qué es El Niño?

El fenómeno de El Niño es un ciclo climático que tiene su origen en el Océano Pacífico, pero quetiene un impacto sobre los patrones climáticos a nivel global. El ciclo inicia cuando aguas más cá-lidas ubicadas en la parte occidental del Océano Pacífico cercanas al Ecuador se mueven al este,hacia la costa de Sudamérica.

Para declarar la existencia del fenómeno de El Niño, los meteorólogos no solamente observan latemperatura de la superficie del océano, si no también cambios en los patrones de lluvia y la direc-ción de los vientos. En condiciones normales los vientos soplan hacia el oeste a lo largo del Ecuador.Durante El Niño disminuyen en el oeste y centro del Océano Pacífico.

También existe el fenómeno opuesto a El Niño, el cual es llamado La Niña. Esta se refiere a pe-riodos en los cuales la superficie del este del Océano Pacífico se encuentra más fría de lo normal.Típicamente La Niña tiene menos efectos negativos que episodios fuertes de El Niño, sin embargosu impacto sigue siendo global. El Niño y La Niña en su conjunto forman parte de una oscilaciónen el océano y la atmósfera llamada El Niño Oscilación del Sur (ENOS3).

El Niño tiene un ciclo de entre tres y cinco años, su frecuencia no es constante. Cabe destacar quela frecuencia e intensidad parecen haberse incrementado en los últimos años, esto se ha asociadoal calentamiento global.

Sin embargo, las características particulares de sus repercusiones difieren mucho de un episodio aotro, aún en el caso de variaciones y pautas semejantes en el Océano Pacífico. Por lo tanto, no seha establecido una relación cuantitativa precisa entre el fenómeno y los cambios registrados en laproducción agrícola, y es difícil pronosticar con precisión las repercusiones de El Niño. Los efectosen la agricultura dependerán decisivamente de la fecha en que se produce El Niño y el calendario

3Conocido también como ENSO por sus siglas en inglés El Niño Southern Oscillation


Jorge León

Figura 1: Impacto climático de El Niño

Fuente: NOAA Climate.gov

agrícola de una determinada región.

2.1 El Niño en Costa Rica

El efecto de El Niño en Costa Rica es bastante heterogéneo. El Instituto Meteorológico Nacional(IMN) lleva a cabo varios trabajos de investigación con el objetivo de tener más detalle sobre cómoafecta este fenómeno. Existen sin embargo, algunos efectos bien definidos: la vertiente del Pacíficotiende a mostrar precipitaciones menores, mientras que la vertiente del Atlántico muestra mayoresprecipitaciones. Tal y como se observa en la figura 2.

Villalobos y Retana (IMN) realizan un estudio para determinar la reducción promedio de las precipi-



Figura 2: Efecto de El Niño precipitaciones mayo 2015

Fuente: IMN

taciones para las regiones de Costa Rica en un escenario seco para la fase cálida de un ENOS. Asícomo aproximar la posibilidad de que la región analizada entre en un estado seco. Los resultadosse presentan en el cuadro 1. Donde es posible observar como la región del pacífico norte y central,así como la región central son las que enfrentan la mayor reducción en precipitación relativa y porlo tanto, una mayor probabilidad de sequía.

Waylen, Quesada y Caviedes (1996) estudian las estadísticas de precipitación anuales de más de100 estaciones en Costa Rica para proporcionar una estimación de los efectos de El Niño (ENSO).Los resultados son heterogéneos en términos de sequías o precipitaciones excesivas. Los datos su-gieren una marcada diferencia en la respuesta en aquellas áreas que drenan hacia el Pacífico yhacia el Caribe, así como las variaciones latitudinales, particularmente a lo largo de la costa delPacífico. Estas diferencias regionales sobre un área geográfica tan pequeña están relacionadas conprocesos complejos que afectan las precipitaciones.

Para el caso específico costarricense un estudio como el presente, se enfrenta a la dificultad queel fenómeno de El Niño no presenta un choque homogéneo sobre el clima, es decir no existe unasequía o exceso de lluvias en todo el país. Por el contrario los estudios muestran que la vertiente delPacífico muestra una sequía y mientras que la vertiente del Atlántico presenta un exceso de lluvias.


Jorge León

Tabla 1: Características regionales promedio de un escenario seco para la fase cálida deun ENOS

Región Nivel deReducción

Precipitaciónmedida

Probabilidad de seco

% m.m. Cualitativa Porcentaje

Pacífico Norte 26 450 Alta 50-80Región Central 23 500 Alta 50-80Pacífico Central 26 700 Alta 50-80Pacífico Sur 13 500 Alta 50-80Zona Norte 19 500 Media 20-50Central Oriental 17 400 Media 20-50Caribe 18 600 Baja 0-30

Fuente: IMN

Esto complica el análisis, pues en ambas vertientes se realizan procesos productivos, tanto agrícolascomo ganaderos, pesqueros, turísticos y de producción hidroeléctrica. Por lo que la producción enambas vertientes se afecta de manera distinta. Una solución sería contar con una medición de Pro-ducto Interno Bruto por vertiente4, sin embargo esta variable no está disponible, y su construcciónse sale de los objetivos del presente trabajo.

Una forma intuitiva de aproximar este problema, es suponer que el PIB se reparte de manera ho-mogénea entre los trabajadores, y que una mayoría de la población se encuentra en la vertientepacífica. Esto también es cierto si se aproxima por medio del total del área territorial, donde la ver-tiente del pacífico es mayor.

2.2 ¿Cómo se mide El Niño?

La medición internacionalmente aceptada para El Niño proviene del Índice de “El Niño-Oscilacióndel Sur” o ENOS. De acuerdo con el ENOS el fenómeno de El Niño se presenta cuando los valoresdel índice superan el valor de uno, mientras que el fenómeno del La Niña está presente cuando losvalores son inferiores a menos uno.

Existen diversos indicadores para medir y dar seguimiento el ENOS. ONI (Ocean Niño Index), es elindicador más común, el cual se basa en la temperatura de la superficie del océano. SOI (SouthernOscillation Index), mide la diferencia entre la presión atmosférica a nivel del mar en Tahití y Darwin5.MEI (Multivariate ENSO Index), se basa en variables observables en la zona tropical del OcéanoPacífico. Estos son: (i) presión atmosférica a nivel del mar. (ii) dirección de los vientos. (iii) tempe-ratura en la superficie del océano. (iv) temperatura superficial del aire y (v) la nubosidad. El MEI escalculado como el componente principal (CP) de todas las observaciones combinadas. (Wolter and

4Esta limitación es válida también para la inflación, puesto que no hay un IPC regional.5Tahití se encuentra en el Océano Pacífico, mientras que Darwin se ubica en el norte de Australia, ambos en el

hemisferio sur.



Figura 3: Índice ENOS Multivariado 1950-2016

Fuente: Elaboración propia con datos del National Oceanic and Atmospheric Administration (NOAA)

Timlin 1993).

En lo que respecta al presente documento se estudiaron como posibles variables indicativas de lafluctuación climática al ONI, el SOI y el MEI. Luego de analizar los resultados se decidió trabajarcon el MEI por recoger la mayor cantidad de información climática por su carácter multidimensionaly además porque presentó el mejor ajuste en cuanto a significancia dentro de los modelos econo-métricos estimados. Se debe aclarar que al ser un índice agregado de condiciones oceánicas nonecesariamente su intensidad está perfectamente relacionada con la intensidad del ciclo observadoen una región o país específico.

3 Efectos económicos de El Niño

Por lo general se considera que el principal impacto económico de El Niño se da sobre el sectoragrícola de las regiones más afectadas. Sin embargo, no hay que descartar que las fluctuaciones delas corrientes marinas, precipitaciones y vientos también tienen impacto sobre otros sectores econó-micos ya sea de manera directa e indirecta.

Entre los sectores más afectados, se encuentra el pesquero pues el cambio en las temperaturas delocéano hace que los peces migren a otras regiones del océano y también llegan a cambiar la pro-


Jorge León

Figura 4: Distribución MEI 1950-2016

Fuente: Elaboración propia con datos del National Oceanic and Atmospheric Administration (NOAA)

fundidad en la que habitan6. Por lo tanto, se reduce la cantidad de pesca disponible o es necesarioun mayor esfuerzo e inversión para mantener el nivel, con respecto a periodos sin El Niño. Esto nosolo tiene efecto sobre los precios de los productos marinos, si no que afecta otros sectores depen-dientes de ellos para su alimentación como es el caso de la producción avícola.

El sector energético también se ve afectado, pues El Niño está asociado con inviernos más cálidosen el hemisferio norte, lo cual hace que los precios de los combustibles fósiles se reduzcan. Por otrolado países dependientes de la energía hidroeléctrica se ven afectados por los cambios en los patro-nes de lluvia, reduciendo de esta forma la capacidad de producir electricidad por medio de plantashidroeléctricas7, por lo cual deben incrementar la producción de electricidad utilizando combusti-bles fósiles. El uso de combustibles fósiles encarece la producción de electricidad. Esto hace que loscostos de producción aumenten para todas las industrias locales y a la vez afecta la cuenta corrientede la balanza de pago de los países. Otros sectores afectados por estas fluctuaciones climáticas sonaquellos que utilizan intensivamente el recurso hídrico, como lo puede ser el turismo y la acuicultura.

Conforme la preocupación de la sociedad y los gobiernos sobre el medio ambiente y su impacto enla economía ha crecido, así la literatura económica relacionada con el impacto de El Niño tambiénse ha incrementado en los últimos años. Esta literatura se puede dividir en dos grupos. Un primer

6Esto es particularmente importante para países con un sector pesquero importante como lo es Perú.7Esto es particularmente importante para Costa Rica, que depende de la energía hidroeléctrica, así como para los

países del resto de Centroamérica, Colombia y Venezuela.



grupo de estudios se concentra en los efectos sobre la agricultura directamente. Un segundo grupode estudios se ha concentrado en los efectos sobre las variables macroeconómicas.

En el primer grupo tenemos a Funk y col. (2008), y a Battisti y Naylor (2009), los cuales analizan losefectos de las fluctuaciones sobre la producción agrícola y con ello afectan la seguridad alimentariade los países en desarrollo. A sus vez, estos choques climáticos sobre la oferta tienen consecuenciassobre los precios de los productos básicos y alimentos Brunner 2002 (Chen et al. 2008). Adamsy col. 1998 muestran que eventos extremos de ENOS generan pérdidas en la agricultura de Esta-dos Unidos. En especial encuentran que La Niña tiene un impacto más fuerte que El Niño8. Hsiangy Meng (2015) muestran que El Niño tiene un efecto negativo y estadísticamente significativo sobrela producción, el rendimiento y valor agregado agropecuario para un panel de economías tropica-les.

Oduber y Ridderstaat 2016 encuentran una relación entre las fluctuaciones climáticas con El Niño enlos patrones de demanda de turismo por parte de Estados Unidos, Holanda y Venezuela para Aruba.

Brunner 2002 muestra que El Niño tiene un efecto sobre los precios de los productos básicos, perono sobre la inflación del consumidor ni sobre el producto para los países del G79.

Un estudio realizado por Laosuthi y Selover (2007) analizó los efectos de El Niño en veintidós paísesy encontró que los efectos sobre el crecimiento del PIB y el Índice de Precios al Consumidor porlo general son pequeños, pero estos varían considerablemente entre un país y otro. Los autoresencuentran que dado que El Niño tiene un efecto redistributivo en las precipitaciones, tiene efectostanto negativos como positivos sobre la economía. Por lo tanto, el efecto neto es pequeño. Esteresultado es especialmente cierto para economías diversificadas y con áreas geográficas grandes.Por lo que países pequeños con poca diversificación económica y economías dependientes de laagricultura son los más afectados por El Niño.

Laosuthi y Selover (2007) concluyen que una respuesta de política macroeconómica ante El Niñopuede ser innecesaria, aunque los efectos de este fenómeno sí deben ser considerados por los ha-cedores de política. Los autores recalcan que un buen pronóstico de El Niño permitirá a las regionese industrias más afectadas tener tiempo para tomar medidas para reducir el impacto de este fenó-meno climático.

Cashin, Mohaddes y Raissi 2015 analizan la trasmisión de El Niño entre países, concentrándo-se sobre sus efectos en el PIB y la inflación. Los resultados obtenidos sugieren que los impactoseconómicos varían de manera considerable a lo largo de diferentes regiones. Donde países comoAustralia, Chile, India, Indonesia, Japón, Nueva Zelandia y Sudáfrica presentaron una pequeña caí-da en la actividad económica. Mientras que para Estados Unidos y países europeos el efecto fuepositivo. A su vez la mayor parte de los países muestran presiones inflacionarias de corto plazo. Las

8Las estimaciones muestran daños económicos de entre 1,5 y 1,7 miles de millones de dólares para El Niño y entre2,2 y 6,5 miles de millones de dólares para La Niña.

9Se denomina G7 o Grupo de los siete a un grupo de países industrializados del mundo cuyo peso político, económicoy militar es muy relevante a escala global. Está conformado por Alemania, Canadá, Estados Unidos, Francia, Italia, Japóny Reino Unido.


Jorge León

magnitudes de estas presiones se encuentran directamente relacionadas con el peso de los alimen-tos dentro de la canasta de consumo.

Para el caso específico de Costa Rica no se encuentra ninguna literatura relacionada con el tema deEl Niño sobre variables macroeconómicas. Además, existen pocos estudios a nivel sectorial. Entreestos se puede mencionar los realizados por el IMN que estudian los efectos sobre la producciónde langosta, carne, arroz, frijoles y granos básicos. Así como sus efectos sobre inundaciones enGuanacaste e incendios forestales.

Una característica general en la literatura estudiada es la falta de fundamentos teóricos que re-lacione las fluctuaciones y choques climáticos con las variables económicas. En este sentido losdocumentos mencionados son de carácter empírico, donde utilizan diversas técnicas econométricaspara estimar los efectos sobre la economía. Es por ello que en la siguiente sección se desarrolla unmodelo teórico sobre los efectos de choques climáticos sobre una economía.

4 Modelo teórico

En esta sección se desarrolla de manera breve un modelo teórico10 con el fin de explorar los posiblesefectos de El Niño en una economía. Los efectos y sus magnitudes dependen de la reacción quetienen los agentes ante la presencia de El Niño, modelado como un choque climático. Para queel modelo fuera tratable y destacar sobre todo el efecto de un choque climático, el modelo desa-rrollado es modelo estático para una economía cerrada, con dos sectores y agentes representativos.

4.1 Familias

Se supone que los agentes de la economía poseen una función de utilidad de elasticidad de susti-tución constante (CES por sus siglas en inglés) dada por la ecuación (1) y con aversión relativa alriesgo constante (CRRA por sus siglas en inglés).

𝑈(𝑐𝑡) = 𝑐1−𝜌𝑡

1 − 𝜌 (1)

Donde 𝑐𝑡 es una canasta representativa del consumo de la familia en esta economía y 𝜌 es elparámetro que mide el grado de aversión relativa al riesgo implícito en la función de utilidad. Lasfamilias pueden consumir dos tipos de bienes: agrícolas (𝑎) y no agrícolas (𝑛). La proporción estádeterminada por el coeficiente 𝛾, el cual indica la proporción del consumo destinada a bienesagrícolas, mientras que (1 − 𝛾) es la proporción de los bienes no agrícolas11. El coeficiente 𝜃 es loque se conoce como la elasticidad de la demanda al precio (𝜃 > 1).

𝑐𝑡 = [𝛾 1𝜃 𝑐

𝜃−1𝜃

𝑎,𝑡 + (1 − 𝛾) 1𝜃 𝑐

𝜃−1𝜃

𝑛,𝑡 ] 𝜃𝜃−1

10En el anexo se desarrolla el modelo de manera completa.11Desde la perspectiva del Índice de Precios al Consumidor (IPC), 𝛾 representa la ponderación de los bienes de consumo

final agrícola en la canasta de consumo. Este modelo no toma en consideración consumos intermedios, por lo tanto 𝛾también representa el peso del sector agrícola en el Producto Interno Bruto (PIB).



La restricción presupuestaria de los hogares depende de los precios (𝑝𝑎,𝑡 y 𝑝𝑛,𝑡) y las cantidadesconsumidas (𝑐𝑎,𝑡 y 𝑐𝑛,𝑡) de bienes agrícolas y no agrícolas respectivamente:

𝑝𝑡𝑐𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 + 𝑝𝑛,𝑡𝑐𝑛,𝑡 (2)

Donde 𝑝𝑡 es el nivel de precios agregado en la economía. La familia representativa maximiza sufunción de utilidad sujeta a la restricción presupuestaria, y con ello se obtienen las demandas paracada uno de los respectivos bienes. Las cuales dependen de manera negativa de la relación deprecios 𝑝𝑎,𝑡

𝑝𝑡.

𝑐𝑎,𝑡 = 𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (3)

𝑐𝑛,𝑡 = (1 − 𝛾)(𝑝𝑛,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (4)

El nivel de precios agregado de esta economía se deriva utilizando las ecuaciones (2), (3) y (4) paraobtener el índice de precio basado en el consumidor: 𝑝𝑡 = [𝛾𝑝1−𝜃

𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃𝑛,𝑡 ] 1

1−𝜃

4.2 Empresas

La economía tiene dos sectores productivos, un sector agrícola y otro no agrícola. Las empresasproducen bienes agrícolas y no agrícolas en un mercado de competencia monopolística en cadasector. Existen dos tipos de insumos: la mano de obra (𝑙𝑖,𝑡) y el capital (𝑘𝑖,𝑡). Ambos insumos no sonespecializados por sector, por lo cual existe un único mercado para cada uno de ellos.

La función de producción para las empresas no agrícolas es tipo Cobb-Douglas ecuación (5), dondeel parámetro 𝛼𝑛

12 indica la intensidad de uso de la mano de obra en este sector.

𝑦𝑛,𝑡 = 𝐴𝑛,𝑡𝑘1−𝛼𝑛𝑛,𝑡 𝑙𝛼𝑛

𝑛,𝑡 (5)

Por otra parte la función de producción de los empresarios agrícolas se diferencia por cuanto suproducción depende de las condiciones climatológicas (𝜂), y tiene la siguiente forma funcional:

𝑦𝑎,𝑡 = 𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡𝑒−𝜙(𝜂2𝑡 −𝜖) (6)

El último término de la ecuación (6) mide el impacto que tiene el comportamiento del clima sobrela producción de los bienes agrícolas. La función está constituida por 𝜂 que es la desviación norma-lizada de las condiciones climáticas13 (precipitaciones, humedad, temperatura, etc.) con respectoa su promedio. El parámetro 𝜂 esta elevado al cuadrado pues desviaciones tanto positivas comonegativas de las condiciones climáticas típicas tendrán un efecto negativo sobre la producción14. Elcoeficiente 𝜖 representa el punto de quiebre donde las condiciones climáticas se vuelven adversas,12𝛼𝑖,𝑡 𝜖 [0, 1]13En el caso particular del presente trabajo 𝜂 representa el ENOS, donde valores positivos por encima del promedio

representan el fenómeno de El Niño y valores negativos por debajo del promedio representan La Niña.14En el caso del ENOS esto implica que sequías y lluvias excesivas tendrían un efecto simétrico y negativo sobre la

producción agrícola.


Jorge León

𝜖 es diferente de cero pues se asume que los productos agrícolas pueden tolerar cierto nivel de fluc-tuación climática sin que esto tenga efectos negativos en su productividad. Finalmente, el parámetro𝜙 que toma valores en [0,∞], y cuantifica de forma directa el efecto de las desviaciones del climapromedio en la región sobre la productividad. La figura 5 muestra de manera gráfica el término𝜉𝑡 = −𝜙(𝜂2

𝑡 − 𝜖).

Figura 5: Efecto choque climático sobre producto agrícola


Una ventaja de construir el choque climático con la especificación dada por 𝜉 es que si 𝐸𝑡[𝜂] = 𝜖,entonces 𝐸𝑡[𝜉] = 0, por lo tanto para valores de 𝜂 ∈ (−𝜖, 𝜖) el choque será positivo debido a condi-ciones climáticas benéficas para la producción agrícola, mientras que para |𝜂| > 𝜖 las condicionesserán desventajosas.

La función de costos para ambos sectores (agrícola y no agrícola) es: 𝑔𝑖,𝑡 = 𝑟𝑡𝑘𝑖,𝑡 + 𝑤𝑡𝑝𝑡

𝑙𝑖,𝑡. Porsimplicidad se hace el supuesto que las curvas de ambos insumos son perfectamente elásticas. Porlo tanto el precio de los factores 𝑟𝑡 y 𝑤𝑡 son constantes e idénticos entre sectores.

La decisión que deben tomar las empresas en el sector agrícola es la cantidad de insumos a de-mandar dada las funciones de costos y producción. Para ello minimizan loas costos mediante laecuación (7).

𝑚𝑖𝑛(𝑙,𝑘)[𝑟𝑡𝑘𝑎,𝑡 + 𝑤𝑡𝑝𝑡

𝑙𝑎,𝑡] + 𝜑𝑖,𝑡(𝑦𝑎,𝑡 − 𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡𝑒−𝜙(𝜂2𝑡 −𝜖)) (7)

Las condiciones de primer orden de la ecuación (7) para la minimización de los costos para cada



uno de los insumos se presentan en las ecuaciones (8) y (9).

𝑤𝑡𝑝𝑡

− 𝜑𝑎,𝑡(𝛼𝑎𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖)) = 0 (8)

𝑟𝑡 − 𝜑𝑎,𝑡((1 − 𝛼𝑎)𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖)) = 0 (9)

Combinando las ecuaciones (8) y (9) y despejando para 𝑙𝑎,𝑡 se pude obtener 𝜑 es igual a los costosmarginales reales de la firma en términos de 𝑙𝑎,𝑡, como se muestra en la ecuación (10).

𝜑𝑎,𝑡 = 1 − 𝛼𝑎𝛼𝑎

𝑤𝑡𝑝𝑡

𝑙𝑎,𝑡𝛼𝑎𝑦𝑎,𝑡

(10)

4.3 Precios

Las firmas del sector agrícola a su vez deben decidir el precio óptimo al cual vender su producto.El precio óptimo es aquel precio que maximice sus beneficios, tomando en cuenta la función dedemanda del producto y los costos marginales. Donde la función de beneficios está dada por laecuación (11)

Π𝑎,𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 − 𝜑𝑎,𝑡𝑐𝑎,𝑡 (11)

Utilizando la ecuación de demanda del bien agrícola (3), e introduciéndola en la ecuación (11) seobtiene:

Π𝑎,𝑡 = 𝛾(𝑝𝑎,𝑡𝑝𝑡

)1−𝜃𝑝𝑡𝑐𝑡 − 𝜑𝑎,𝑡𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (12)

Maximizando la ecuación (12) con respecto los precios (𝑝𝑎,𝑡) se obtiene la condición de primer ordendada por la ecuación (13). La cual indica que las empresas del sector agrícola cobrarán un precioigual a un ”mark-up” (𝜇 = 𝜃

1−𝜃 ) sobre su costo marginal real (𝜑𝑎,𝑡).

𝑝𝑎,𝑡 = 𝜃𝜃 − 1𝜑𝑎,𝑡 (13)

Si se sustituye la función producción del sector agrícola dada por la ecuación (6) dentro de la funciónde costo marginal dada por la ecuación (10) y esta a su vez también se sustituye en la ecuaciónanterior (13).

𝑝𝑎,𝑡 = 𝜃𝜃 − 1

1 − 𝛼𝑎𝛼𝑎

𝑤𝑡(𝛼𝑎𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖))−1 (14)

Una vez obtenida la ecuación (14), en la cual los precios del bien agrícola dependen del efectode choques climáticos 𝜉𝑡, es posible log-linearizar

15 esta ecuación para obtener una función mássencilla de la dinámica de los precios del bien agrícola, dada por la ecuación (15)

𝑝𝑎,𝑡 = ��𝑡 − 𝐴𝑎,𝑡 − (1 − 𝛼𝑎) 𝜅𝑎,𝑡 + 𝜙(𝜂2𝑡 − 𝜖) (15)

Donde se define 𝜅𝑎,𝑡 la relación capital trabajo (𝐾𝑎,𝑡/𝐿𝑎,𝑡) log-linearizada (��𝑎,𝑡 − 𝑙𝑎,𝑡).

15Donde ��𝑡 indica el porcentaje de desviación de la variable 𝑥𝑡 alrededor del estado estacionario.


Jorge León

Si se utiliza la versión log-linarizada del nivel de precios basado en el consumidor, se obtiene laecuación (16) donde el nivel de precios depende de los precios de los bienes de ambos sectores dela economía.

𝑝𝑡 = 𝛾 𝑝𝑎,𝑡 + (1 − 𝛾) 𝑝𝑛,𝑡 (16)

Sustituyendo en la ecuación (16), la ecuación (15) y su similar para la evolución de los precios delsector no agrícola, se obtiene la ecuación (17)

𝑝𝑡 = 𝛾[��𝑡 − 𝐴𝑎,𝑡 − (1 − 𝛼𝑎) 𝜅𝑎,𝑡 + 𝜙(𝜂2𝑡 − 𝜖)] + (1 − 𝛾)[��𝑡 − 𝐴𝑛,𝑡 − (1 − 𝛼𝑛) 𝜅𝑛,𝑡] (17)

Con el fin de simplificar el análisis y resaltar el efecto del choque climático, es posible simplificarla ecuación (17). Bajo el supuesto de que el salario es el mismo para ambos sectores y si la ofertade insumos es perfectamente elástica se tiene que las empresas no tienen motivos para cambiar lacomposición del uso de los insumos, por lo tanto 𝜅𝑖,𝑡 = 𝜅𝑖 = 0. Finalmente, si se emplea el supuestode que choques de productividad son idénticos en ambos sectores 𝐴𝑡 = 𝐴𝑎,𝑡 = 𝐴𝑛,𝑡. Luego de estoscambios se obtiene una ecuación simplificada (18).

𝑝𝑡 = ��𝑡 − 𝐴𝑡 + 𝛾𝜙(𝜂2𝑡 − 𝜖) (18)

Por lo tanto el modelo económico sencillo desarrollado en esta sección tiene una ecuación de com-portamiento de los precios que depende negativamente del crecimiento en la productividad total delos factores ( 𝐴𝑡) y positivamente del choque climático (𝜂2

𝑡 − 𝜖) y de los salarios ��𝑡.

4.4 Producción

Para obtener el efecto del choque climático sobre el producto se combina las demandas de losproductos agrícolas y no agrícolas dadas por las ecuaciones. (3) y (4):

𝑐𝑛,𝑡 = 1 − 𝛾𝛾 (𝑝𝑛,𝑡

𝑝𝑎,𝑡)

−𝜃𝑐𝑎,𝑡

En equilibrio la demanda del producto y su producción deben ser iguales, es decir 𝑐𝑛,𝑡 = 𝑦𝑛,𝑡 y𝑐𝑎,𝑡 = 𝑦𝑎,𝑡. A su vez el producto total de la economía es la suma de la producción de ambossectores 𝑝𝑡𝑦𝑡 = 𝑝𝑎,𝑡𝑦𝑎,𝑡 + 𝑝𝑛,𝑡𝑦𝑛,𝑡. Utilizando estas igualdades se obtiene que:

𝑝𝑡𝑦𝑡 = [1 + 1 − 𝛾𝛾 (𝑝𝑛,𝑡

𝑝𝑎,𝑡)

−𝜃]𝑦𝑎,𝑡

Al loglinearizar la ecuación (19) se obtiene la evolución del producto:

𝑦𝑡 = 𝜃( 𝑝𝑎,𝑡 − 𝑝𝑡) + 𝐴𝑡 − 𝜙(𝜂2𝑡 − 𝜖) (19)

Utilizando la ecuación (15) se puede definir la evolución del producto en función del choque climá-tico:

𝑦𝑡 = 𝜃(𝜙(𝜂2𝑡 − 𝜖) − 𝛾𝜙(𝜂2

𝑡 − 𝜖)) − 𝜙(𝜂2𝑡 − 𝜖)

Simplificando tenemos que:𝑦𝑡 = ((1 − 𝛾)𝜃 − 1)𝜙(𝜂2

𝑡 − 𝜖) (20)



Figura 6: Efecto sobre 𝑦𝑡 para 𝛾 y 𝜃


Al estudiar la ecuación (20) se observa que el efecto del choque climático sobre el producto dependedel tamaño del sector agrícola en las preferencias del consumidor 𝛾 y en la elasticidad de la demanda𝜃.

𝜃 ≶ 1(1 − 𝛾)

Tal y como lo muestra la figura 6 existen valores de 𝛾 y 𝜃 para los cuales el efecto neto de un choqueclimático es sobre el producto total de la economía es positivo. Esto va en general en contra de laintuición de que choques climáticos son netamente negativos. Por lo tanto, el signo esperado delchoque climático sobre la economía dependerá de factores idiosincráticos.

Sin embargo, cabe destacar que el modelo predice que economías altamente diversificadas, es decir𝛾 bajo, pueden no verse afectadas o inclusive tener efectos positivos ante este tipo de choques. Otraconclusión es que entre mayor sea el nivel de competencia en la economía, 𝜃 alto, que implicanmenores ”mark-ups” menor será el efecto de los choques sobre la producción.

4.5 Extensiones

Si se abre la economía de este modelo al comercio internacional, es de esperar que un choque cli-mático tenga un efecto sobre la balanza de pagos, incrementando las importaciones, depreciando


Jorge León

el tipo de cambio, lo cual reforzaría el choque positivo sobre precios.

El modelo es estático, por lo tanto su capacidad de análisis es limitado, extender el modelo a unámbito dinámico puede resultar útil para estudiar el efecto de los choques climáticos sobre las ex-pectativas de inflación, así como estudiar el impacto que la expectativa de choques climáticos futurospueda tener sobre la inversión.

5 Resultados

En esta sección se presenta el modelo econométrico por estimar; los datos y fuentes utilizados parala estimación y los principales resultados obtenidos.

5.1 Datos

Las fuentes de los datos económicos son el Banco Central de Costa Rica, y la base de datos FREDde la Reserva Federal de St. Louis. Los datos climáticos se obtuvieron del Instituto MeteorológicoNacional (IMN) de Costa Rica y el National Oceanic and Atmospheric Administration (NOAA) delgobierno de Estados Unidos.

La frecuencia empleada en el estudio es mensual, esto con el fin de capturar de manera correctael inicio y el fin de las fluctuaciones del ENOS. Así mismo, el periodo analizado abarca del año1977 al 2016, este periodo relativamente largo fue seleccionado debido a que la aparición de lasfluctuaciones del ENOS se dan en periodos largos, y se desea capturar la relación histórica entreestas y las variables económicas. No se puede extender el periodo más hacia atrás debido a ladisponibilidad de datos.

Cabe destacar que por lo amplio de la muestra utilizada para el análisis, es posible que existanimportantes quiebres estructurales debidos a cambios en la canasta de consumo utilizada para lamedición del IPC, así como a cambios en la estructura productiva del país, en este sentido se inclu-yeron variables dicotómicas para intentar controlar por estos quiebres cuando fuese posible.

Las series utilizadas son la inflación interanual del IPC de Costa Rica y de Estados Unidos, el pro-ducto interno bruto real de Costa Rica y Estados Unidos mensualizados, el IMAE de Costa Rica, eltipo de cambio nominal, los precios del barril de petróleo WTI, el índice multivariado del ENOS.

La construcción de la variable 𝜉𝑡 se realizó utilizando como 𝜂𝑡 al índice multivariado ENOS elevadoal cuadrado, mientras que el promedio observado en la muestra de 𝜂2

𝑡 , fue utilizado como aproxi-mación del valor de 𝜖, el cual fue de 0,9887 muy cercano a un valor unitario. Por simplicidad esteúltimo fue redondeado a 1. Por lo que el valor esperado de 𝜉𝑡 es igual a cero. Esto implica queel efecto esperado de las condiciones climáticas para la productividad de la economía es cero. Lavariable calculada del choque climático 𝜉 para el periodo se presenta en la Figura 7. Donde valoresmayores a cero implican efectos negativos sobre la producción debido al ENOS.



Figura 7: Choque climático 𝜉


5.2 Modelo econométrico

La especificación econométrica empleada para la inflación se presenta en la ecuación (21)). Estase deriva de la ecuación (18) de la sección anterior. En donde la inflación depende negativamentedel crecimiento en la productividad promedio, y positivamente del crecimiento en los salarios y elchoque climático. En la especificación teórica, la inflación en salarios representa el crecimiento enel costo de los insumos para la producción. Para una economía pequeña y abierta tomadora deprecios como es el caso de Costa Rica, los costos de los insumos están altamente relacionados conlos costos de los bienes importados, por lo tanto se utiliza como aproximación de estos costos laevolución de los precios internacionales y el tipo de cambio.

𝜋𝑡 = 𝛽0 + 𝛽1𝜋∗𝑡 + 𝛽2 𝑒𝑡 + 𝛽3 𝐴𝑡 + 𝛽4𝑓(𝜉𝑡) + 𝜇𝑡,𝜋 (21)

Donde 𝜋𝑡 es la inflación interanual del IPC; 𝜋∗𝑡 es la inflación interanual de precios al consumidor de

Estados Unidos, como proxy para la inflación internacional; 𝑒𝑡 es la variación interanual del tipo decambio nominal; 𝐴𝑡 se aproxima mediante la brecha de producto

16. Finalmente se prueban diversasespecificaciones para el choque climático 𝑓(𝜉𝑡).Así como la ecuación por estimar de la inflación se deriva del modelo teórico, esto también sucedepara la ecuación de la brecha del producto, la cual se deriva de la ecuación (19).

𝑦𝑡 = 𝛽0 + 𝛽1 𝐴∗𝑡 + 𝛽2𝑓(𝜉𝑡) + 𝜇𝑡, 𝑦 (22)

16La brecha de producto está definida como la desviación del producto con respecto al potencial, este último estimadomediante el filtro de Hodrick-Prescott.


Jorge León

Donde la brecha17 de producto 𝑦𝑡 es función de la brecha de producto externa 𝐴∗𝑡 en este caso

aproximada mediante la brecha de producto de Estados Unidos y las diversas especificaciones delchoque climático 𝑓(𝜉𝑡).

5.3 Estimaciones

Para el caso del choque climático 𝜉𝑡 se utilizan diversas especificaciones: (i) la primera es (𝜂2𝑡 −𝜖), tal

y como se describe en la sección de datos. (ii) La segunda especificación separa el índice multivaria-do ENOS en valores positivos y los valores negativos multiplicados por menos uno, para considerarla posible asimetría del efecto de El Niño y La Niña. (iii) Una tercera especificación es similar a laanterior pero los valores están elevados al cuadrado, para medir si la intensidad de las fluctuacionestienen un mayor efecto. (iv) Como control se incluye una especificación donde se crea una variabledicotómica para cuando las fluctuaciones sean mayores a uno.

Los resultados de las estimaciones se presentan en el cuadro 2. La inflación de Estados Unidos (𝜋∗)muestra un coeficiente cercano a uno y estadísticamente significativo para todas las especificacio-nes, es decir que existe un traspaso completo de los precios internacionales a los precios locales. Demanera similar la variación del tipo de cambio ( 𝑒) también es altamente significativa, con t-studentcercanas a seis, sin embargo en esta caso el traspaso es incompleto, con valores cercanos a 0,3;es decir que un incremento en el tipo de cambio de un 1%, incrementa la inflación en 0,3%. Esteresultado está en línea con estimaciones similares llevadas a cabo por el BCCR. La brecha de pro-ducto ( 𝑦) también muestra un efecto significativo y positivo, por lo que los precios sí se ven afectadospor presiones de demanda, este resultado es compatible con las estimaciones de la curva de Philipspara Costa Rica.

La variable dicotómica para capturar el quiebre estructural en la inflación a partir del años 2009,resultó altamente significativa y con un valor promedio de −0, 06, es decir que la inflación en losúltimos ocho años ha caído en alrededor de 6 puntos porcentuales. Esto va acorde con la reducciónde la inflación observada, la cual pasó a valores cercanos a la meta de inflación planteada por elBanco Central de 3%.

El choque climático, muestra un efecto positivo en todas sus especificaciones, y además es estadís-ticamente significativo. Los resultados también muestran que El Niño tiene un efecto inflacionariomarginalmente mayor que La Niña, pero ambos fenómenos son inflacionarios. Esto confirma lateoría de que un choque negativo sobre los productos afectados por el clima ha incidido sobre ladinámica inflacionaria del país. Además, la intensidad de las fluctuaciones del ENOS aproximadapor la especificación cuadrática tiene un impacto sobre la inflación. Este resultado indica que lasautoridades monetarias deben darle seguimiento a El Niño en particular, pero también a las varia-bles climáticas en general.

Es factible pensar que el efecto sobre los precios del choque climático no sea constante, y que de-penda del estado de la economía, para ello utilizando la especificación anterior, se le agrega laestimación de efectos cruzados de 𝜉𝑡 con respecto a la inflación promedio observada de los últimos

17Se utiliza la especificación en brechas, pues el modelo teórico supone un crecimiento potencial igual a cero.



Tabla 2: Efecto ENOS en Inflación

Variable coef. t-stad. coef. t-stad. coef. t-stad. coef. t-stad.

𝑐 0.083 10.5 0.039 3.9 0.061 7.0 0.062 6.8𝜋∗

𝑡−7 1.070 6.5 1.104 6.7 1.069 6.5 1.155 6.7𝑒𝑡−3 0.289 19.2 0.293 19.4 0.289 19.1 0.289 18.5𝑦𝑡−15 0.628 2.9 0.606 2.8 0.629 2.9 0.481 2.2

𝜉 0.023 9.4𝑛𝑖��𝑜 0.058 9.2𝑛𝑖��𝑜2 0.023 9.3𝑛𝑖��𝑜𝑑 0.081 7.6𝑛𝑖��𝑎 0.049 4.2𝑛𝑖��𝑎2 0.023 2.8𝑛𝑖��𝑎𝑑 0.035 2.2𝑑 -0.066 -6.0 -0.065 -5.9 -0.066 -6.0 -0.063 -5.6

𝑅2𝐴𝑗𝑢𝑠𝑡. 0.68 0.68 0.68 0.66


cuatro meses (𝜋), y la brecha del producto ( 𝑦). Los resultados se resumen el cuadro 3.

La inclusión de los efectos cruzados no tiene un efecto importante sobre los coeficientes estimadospara la inflación de Estados Unidos, la variación de tipo de cambio o la brecha del producto. Sinembargo los resultados sugieren que el efecto sobre la inflación de las fluctuaciones del ENOS seven incrementados por niveles de inflación altos, es decir que en estados de alta inflación, los in-crementos en los costos debidos a cambios climáticos son traspasados más fácilmente a los preciosde estos productos, a su vez puede existir un efecto sobre las expectativas de inflación, que haganque este aumento de los precios se transmita vía expectativas a otros precios dentro de la canastade consumo.

Algo similar también se presenta para la brecha de producto, donde los fenómenos de El Niño yLa Niña serán más inflacionarios si la economía está creciendo por encima de su potencial. Desdeel punto de vista de política monetaria esto sugiere que en una economía recalentada con inflacio-nes altas, los efectos climáticos tendrán un mayor impacto sobre la inflación, y esto puede llegar aafectar la evolución de los precios futuros.

También se consideró la posibilidad que el efecto de 𝜉𝑡 no fuera constante en el tiempo, es decirque el coeficiente asociado a esta variables cambiara a lo largo del periodo analizado. Para ello serealizó una regresión con ventana móvil de ocho años, con la primera especificación de la ecuaciónpor estimar. El coeficiente estimado y sus límites de confianza se resumen en la figura 8.

Como se desprende de la figura 8 al inicio del periodo el efecto era alto y estadísticamente sig-nificativo. Entre los años 1985 y 1993 el coeficiente siguió siendo positivo y significativo pero conuna clara tendencia a la disminución. Para el periodo 2013-2015 el efecto vuelve a ser positivo y


Jorge León

Tabla 3: Efecto ENOS cruzados en Inflación

Variable coef. t-stad. coef. t-stad.

𝑐 0.084 13.47 0.081 13.38𝜋∗

𝑡−7 0.805 6.12 0.629 6.46𝑒𝑡−3 0.296 25.03 0.242 26.67𝑦𝑡−15 0.291 1.72 0.269 2.15

𝜉 -0.011 -4.03𝜉 ∗ 𝜋 0.131 12.16𝜉 ∗ 𝑦 0.368 3.11

𝑛𝑖��𝑜 -0.038 -7.87𝑛𝑖��𝑜 ∗ 𝜋 0.361 24.64𝑛𝑖��𝑜 ∗ 𝑦 1.074 6.89𝑛𝑖��𝑎 -0.028 -2.13𝑛𝑖��𝑎 ∗ 𝜋 0.364 3.82𝑛𝑖��𝑎 ∗ 𝑦 -0.245 -0.48𝑑 -0.055 -6.33 -0.033 -4.72

𝑅2𝐴𝑗𝑢𝑠𝑡. 0.80 0.89


significativo, para caer nuevamente al final de la muestra. Estos resultados pueden deberse a cam-bios en la estructura productiva del país, con una mayor diversificación de la producción y por unareducción en la importancia relativa de los precios de los sectores afectados por el ENOS en lacanasta de consumo representativa del IPC.

La estimación de la ecuación (22) la cual relaciona las fluctuaciones del ENOS en la brecha delproducto, junto con las diferentes especificaciones se muestran en el cuadro 4. La brecha de pro-ducto de Estados Unidos resultó positiva y altamente significativa. Esto quiere decir que existe unimportante grado de co-movimiento entre esta economía y la nuestra. Un posible canal de transmi-sión es el efecto de esta brecha sobre la demanda de exportaciones. En cuanto al choque climáticoeste mostró un efecto negativo y significativo, si bien el coeficiente es bastante pequeño, por lo cuales posible intuir que las condiciones climáticas tienen un efecto sobre la producción, pero este esmenor que sobre la inflación. Además, cabe resaltar que el efecto no es simétrico, pues La Niñatiene un menor impacto sobre la brecha del producto que El Niño.

6 Conclusiones

La literatura que estudia el nexo entre los fenómenos climáticos y las variables macroeconómicasesta apenas comenzando. El aporte de este documento a la literatura es el desarrollo de un modeloteórico que permite relacionar los choques climáticos con la evolución de la economía de manerasencilla. A la vez, realiza estimaciones de los efectos de estos choques climáticos sobre la inflación



Figura 8: Evolución del efecto 𝜉 sobre la inflación


y el producto de Costa Rica.

Los resultados obtenidos de las estimaciones para la inflación son coherentes con la teoría económi-ca y resultados empíricos de otros estudios. La inflación de Estados Unidos posee un efecto positivoy significativo sobre la inflación local. Por su parte la variación del tipo de cambio nominal tambiénposee un efecto positivo y significativo sobre la inflación, sin embargo el grado de traspaso es menora la unidad, tal y como otros estudios del BCCR demuestran. Mientras que la brecha del productotiene un efecto significativo pero con un rezago importante. Para el caso del choque climático elefecto es positivo y significativo. Para el caso de la brecha del producto, el choque climático resultócon un efecto negativo.

Los resultados obtenidos tienen implicaciones de política importantes. La primera de ellas es que laevolución de los fenómenos climáticos, ya sea el calentamiento global o fluctuaciones del ENOS sedeberían considerar de manera explícita en las decisiones de política económica por parte de lasautoridades.

Segundo, con el fin de reducir la vulnerabilidad a las fluctuaciones del ENOS, las autoridades debencomunicar de manera efectiva las proyecciones de la evolución del ENOS en el corto y medianoplazo. Esto tendrá efectos positivos vía una reducción en el nivel de incertidumbre, así mismo per-


Jorge León

Tabla 4: Efecto ENOS en la brecha de producto

Variable coef. t-stad. coef. t-stad. coef. t-stad. coef. t-stad.

𝑐 0.000 -0.2 0.001 1.0 0.001 1.1 0.000 0.3𝑦∗ 0.738 7.0 0.770 7.0 0.726 6.7 0.765 7.0

𝜉 -0.001 -2.6

𝑛𝑖��𝑜 -0.002 -1.5𝑛𝑖��𝑜2 -0.001 -2.7𝑛𝑖��𝑜𝑑 -0.003 -1.3𝑛𝑖��𝑎 -0.002 -0.8𝑛𝑖��𝑎2 -0.001 -0.3𝑛𝑖��𝑎𝑑 0.001 0.3

𝑅2𝐴𝑗𝑢𝑠𝑡. 0.13 0.12 0.13 0.12


mitirá a los sectores más afectados tomar medidas mitigadoras con tiempo y de esta forma reducirlos efectos sobre la producción.

Un mejor entendimiento del efecto del ENOS sobre la economía permite una mejor planificación deacciones de prevención y mitigación por parte de las autoridades gubernamentales. Estas accionesenfocadas a reducir la disrupción en la producción nacional y tanto para consumo interno comopara las exportaciones.

La diversificación de la economía reduce el efecto negativo sobre la producción. La política de desa-rrollo económico en Costa Rica ha permitido una diversificación importante de la economía, lo cualha hecho que el rol de la agricultura haya disminuido. No obstante, un fenómeno de El Niño fuertey prolongado podría debilitar el crecimiento económico, afectar de manera negativa el balanceexterno y desencadenar una mayor inflación.

Una forma que en la que el gobierno puede reducir el impacto de El Niño sobre los precios es re-duciendo las restricciones existente sobre las importaciones de productos alimenticios. Otra opciónes facilitar el crédito o reducir la tasa de interés de los créditos a los sectores más afectados por ElNiño. Adicionalmente, el gobierno puede contribuir mejorando la infraestructura de riego, lo cualsería útil para mitigar los efectos de las sequías.

Desde una perspectiva de banco central, los efectos sobre los precios del fenómeno de El Niñodeben observarse como un choque climático de oferta, por lo cual una política monetaria restrictivasolo reduciría más la producción, mientras que una política monetaria expansiva incrementaría losprecios sin necesariamente incrementar la producción. El aporte de un banco central para mitigarlos efectos sería mantener una inflación baja y estable que permita a los agentes reaccionar antecambios en precios relativos, y a la vez no permita que estos choques alimenten expectativas deinflación más alta en el mediano y largo plazo. Siendo el gobierno central el encargado de realizarpolíticas de inversión en infraestructura que permitan aminorar los efectos de estas fluctuaciones



climáticas.

El tema de los fenómenos climáticos, el calentamiento global y sus efectos sobre la economía delpaís, deben seguir siendo explorados. El presente trabajo provee de un primer análisis, sin embargo,con forme nuevos datos y metodologías estén disponibles futuras investigaciones aportaran resulta-dos útiles para los hacedores de política pública.

Referencias

Adams, R. y col. (1998). “The economic consequences of ENSO events: The 1997-98 El Niño andthe 1998-99 La Niña”. En: No. 24013. Ed. por Texas A & M University. Ed. por Department ofAgricultural Economics.

Brunner, A. D. (2002). “El Nino and World Primary Commodity Prices: Warm Water or Hot Air?” En:Review of Economics and Statistics (84(1)), págs. 176-183.

Cai y col. (2014). “Increasing frequency of extreme El Niño events due to greenhouse warming”. En:Nature Climate Change 4, págs. 111-116.

Cashin, P., K. Mohaddes y M. Raissi (2015). “Fair Weather of Foul? The Macroeconomic Effects ofEl Niño”. En: IMF Working Paper WP/15/89.

Cho, Renee (2016). “El Niño and Global Warming—What’s the Connection?” En: ed. por GeneralEarth Institute Climate. url: http://blogs.ei.columbia.edu/2016/02/02/el-nino-and-global-warming-whats-the-connection/.

Funk y col. (2008). “Warming of the Indian Ocean threatens eastern and southern African food secu-rity but could bemitigated by agricultural development”. En: PNAS 105 (32), págs. 11081-11086.

Glantz, Michael H. (2015). “Shades of Chaos: Lessons Learned About Lessons Learned About Fore-casting El Niño and Its Impacts”. En: International Journal of Disaster Risk Science (6), págs. 94-103.

Hsiang, Solomon M. y Kyle C. Meng (2015). “Tropical economics”. En: American Economic Review105(5), págs. 257-261. url: http://escholarship.org/uc/item/7870h7hc.

Obstfeld, M. y K. Rogoff (1996). Foundations of international macroeconomics. 2nd ed. Cambridge,MA: MIT Press.

Oduber, M. y J. Ridderstaat (2016). “Impacts of Cyclic Patterns of Climate on Fluctuations in TourismDemand: Evidence from Aruba”. En: J. Tourism Res. Hospitality 5: 3.

Walsh, C. E. (2010). Monetary theory and policy. 3rd ed. Cambridge, MA: MIT Press.Waylen, P., M. Quesada y C. Caviedes (1996). “Temporal and Spatial Variability of Annual Precipi-tation in Costa Rica and The Southern Oscillation.” En: Int. J. Climatol (16), págs. 173-193.




http://escholarship.org/uc/item/7870h7hc

Jorge León

7 Anexo

En el presente anexo de desarrolla de manera completa el álgebra el modelo desarrollado en lasección de modelo teórico.

7.1 Función de utilidad

Función de utilidad de elasticidad de sustitución constante (CES por sus siglas en inglés) y conaversión relativa al riesgo constante.

𝑈(𝑐𝑡) = 𝑐1−𝜌𝑡

1 − 𝜌Donde 𝜌 es el parámetro que mide el grado de aversión relativa al riesgo implícito. Y 𝑐𝑡 es unacanasta compuesta por 𝑐𝑎, 𝑡 y 𝑐𝑛, 𝑡, bienes agrícolas y no agrícolas.

𝑐𝑡 = [𝛾 1𝜃 𝑐

𝜃−1𝜃

𝑎,𝑡 + (1 − 𝛾) 1𝜃 𝑐

𝜃−1𝜃

𝑛,𝑡 ] 𝜃𝜃−1 (23)

Donde 𝜃 es la elasticidad de la demanda al precio (𝜃 > 1). Y la restricción presupuestaria:

𝑝𝑡𝑐𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 + 𝑝𝑛,𝑡𝑐𝑛,𝑡 (24)

Para encontrar las demandas de los bienes 𝑎 y 𝑛, se construye el lagrangeano utilizando las ecua-ciones (23) y (24)

𝑚𝑎𝑥𝑐𝑎,𝑡,𝑐𝑛,𝑡𝐿 = [𝛾 1

𝜃 𝑐𝜃−1

𝜃𝑎,𝑡 + (1 − 𝛾) 1

𝜃 𝑐𝜃−1

𝜃𝑛,𝑡 ] 𝜃

𝜃−1 + 𝜆[𝑝𝑡𝑐𝑡 − 𝑝𝑎,𝑡𝑐𝑎,𝑡 − 𝑝𝑛,𝑡𝑐𝑛,𝑡]

Derivando para 𝑐𝑎,𝑡 y 𝑐𝑛,𝑡 se obtienen las condiciones de primer orden (C.P.O.) para la maximizaciónde la utilidad de las familias en el modelo.

𝜃 − 1𝜃

1𝜃 − 1𝛾 1

𝜃 [𝛾 1𝜃 𝑐

𝜃−1𝜃

𝑎,𝑡 + (1 − 𝛾) 1𝜃 𝑐

𝜃−1𝜃

𝑛,𝑡 ] 1𝜃−1 𝑐

−1𝜃

𝑎,𝑡 = 𝜆𝑝𝑎,𝑡

Simplificando y sustituyendo 𝑐1𝜃𝑡 = [𝛾 1

𝜃 𝑐𝜃−1

𝜃𝑎,𝑡 +(1−𝛾) 1

𝜃 𝑐𝜃−1

𝜃𝑛,𝑡 ] 1

𝜃−1 . Se obtiene que la condición de primerorden es:

𝛾 1𝜃 𝑐

1𝜃𝑡 𝑐

−1𝜃

𝑎,𝑡1

𝑝𝑎,𝑡= 𝜆 (25)

Siguiendo un proceso análogo se puede obtener la condición de primer orden para 𝑐𝑛:

(1 − 𝛾) 1𝜃 𝑐

1𝜃𝑡 𝑐

−1𝜃

𝑛,𝑡1

𝑝𝑛,𝑡= 𝜆 (26)

Uniendo las dos condiciones de primer orden (25) y (26) se obtiene:

𝛾 1𝜃 𝑐

1𝜃𝑡 𝑐

−1𝜃

𝑎,𝑡1

𝑝𝑎,𝑡= (1 − 𝛾) 1

𝜃 𝑐1𝜃𝑡 𝑐

−1𝜃

𝑛,𝑡1

𝑝𝑛,𝑡(27)

Simplificando la ecuación (27) y despejando para 𝑐𝑛,𝑡:

𝑐𝑛,𝑡 = (1 − 𝛾𝛾 ) 𝑐𝑎,𝑡 (𝑝𝑛,𝑡

𝑝𝑎,𝑡)

−𝜃(28)



Sustituyendo la ecuación (28) en la restricción presupuestaria (ecuación (24)):

𝑝𝑡𝑐𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 + 𝑝𝑛,𝑡 (1 − 𝛾𝛾 ) 𝑐𝑎,𝑡 (𝑝𝑛,𝑡

𝑝𝑎,𝑡)

−𝜃

Se puede reescribir como:

𝑝𝑡𝑐𝑡 = (𝛾𝑝1−𝜃𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃

𝑛,𝑡𝛾𝑝−𝜃

𝑎,𝑡)𝑐𝑎,𝑡 (29)

Donde el Índice de Precios basado en las preferencias del consumidor es:

𝑝𝑡 = (𝛾𝑝1−𝜃𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃

𝑛,𝑡 ) 11−𝜃 (30)

Por lo tanto la expresión: 𝛾𝑝1−𝜃𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃

𝑛,𝑡 de la ecuación (29) es igual a 𝑝1−𝜃𝑡 . Sustituyendo en

la ecuación (29), se obtiene:

𝑝𝑡𝑐𝑡 = (𝑝1−𝜃𝑡𝑝−𝜃

𝑎,𝑡) 𝑐𝑎,𝑡

𝛾

Despejando para 𝑐𝑎,𝑡 se obtiene la demanda por el bien agrícola:

𝑐𝑎,𝑡 = 𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (31)

De manera análoga se define la ecuación para la demanda de los bienes no agrícolas:

𝑐𝑛,𝑡 = (1 − 𝛾)(𝑝𝑛,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (32)

7.2 Índice de Precios basado en las preferencias del consumidor

Para derivar el índice de precios al consumidor, se utiliza la ecuación (23). Se utiliza el supuesto nor-malizador de 𝑐𝑡 = 1 y se insertan las demandas de los bienes (ecuaciones (31) y (32)), obteniendo:

1 = [𝛾 1𝜃 (𝛾(𝑝𝑎,𝑡

𝑝𝑡)−𝜃)

𝜃−1𝜃

+ (1 − 𝛾) 1𝜃 ((1 − 𝛾)(𝑝𝑛,𝑡

𝑝𝑡)−𝜃)

𝜃−1𝜃

]𝜃

𝜃−1

Simplificando se obtiene que:

1 = 𝛾 (𝑝𝑎,𝑡𝑝𝑡

)1−𝜃

+ (1 − 𝛾) (𝑝𝑛,𝑡𝑝𝑡

)1−𝜃

Despejando para 𝑝𝑡 se obtiene el índice de precios:

𝑝𝑡 = [𝛾(𝑝𝑎,𝑡)1−𝜃 + (1 − 𝛾)(𝑝𝑛,𝑡)1−𝜃]1

1−𝜃 (33)


Jorge León

7.3 Empresas

La economía tiene dos sectores productivos, un sector agrícola y otro no agrícola. Las empresas pro-ducen bienes agrícolas y no agrícolas en un mercado de competencia monopolística en cada sector.

Existen dos tipos de insumos: la mano de obra (𝑙𝑖,𝑡) y el capital (𝑘𝑖,𝑡). Ambos insumos no son espe-cializados por sector, por lo cual existe un único mercado para cada uno de ellos.

La función de producción para las empresas no agrícolas es tipo Cobb-Douglas ecuación (5), dondeel parámetro 𝛼𝑛

18 indica la intensidad de uso de la mano de obra en este sector.

𝑦𝑛,𝑡 = 𝐴𝑛,𝑡𝑘1−𝛼𝑛𝑛,𝑡 𝑙𝛼𝑛

𝑛,𝑡

Por otra parte la función de producción de los empresarios agrícolas se diferencia por cuanto suproducción depende de las condiciones climatológicas (𝜂), y tiene la siguiente forma funcional:

𝑦𝑎,𝑡 = 𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡𝑒𝜉𝑡 (34)

El último término de la ecuación (34) captura el efecto de las variaciones climáticas originadas porel fenómeno del ENSO, donde 𝜉𝑡 = −𝜙(𝜂2

𝑡 − 𝜖). Donde 𝜂𝑡 es un índice de condiciones climáticas𝜔, normalizado para que su valor esperado sea igual a cero:

𝐸𝑡[𝜂𝑡] = 0 ⟹𝑁

∑𝑡=0

{𝜔𝑡 − 1𝑛

𝑁∑𝑡=0

(𝜔𝑡)}

La construcción de 𝜂 hace que tenga una distribución en forma de campana (ver Figura 4). Y sepuede considerar que los valores típicos de esta distribución se encuentran en valores cercanos acero.

Al elevar esta el índice de condiciones climáticas 𝜂𝑡 al cuadrado se están realizando dos supues-tos importantes: (i) supuesto de simetría en los efectos negativos sobre la producción de valoresextremos negativos o positivos de 𝜂𝑡

19. (ii) Los efectos negativos sobre la producción agrícola nocuadráticos, no lineales. Por lo tanto la reducción en la producción debido a desviaciones climáticasextremas será mayor que desviaciones pequeñas.

Al elevar al cuadrado 𝜂𝑡 su valor esperado ya no es cero, sino un valor positivo20, este valor positivo

lo definimos 𝜖.𝐸𝑡[𝜂2

𝑡 ] = 𝜖De esta forma el valor esperado de 𝜉𝑡 es igual a cero.

𝐸𝑡[𝜉2𝑡 ] = 𝐸𝑡[−𝜙(𝜂2

𝑡 − 𝜖)] = 018𝛼𝑖,𝑡 𝜖 [0, 1]19A manera de ejemplo esto quiere decir que excesos de lluvia son igualmente de dañinos para la producción agrícola

que falta de lluvia.20En el caso que 𝑒𝑡𝑎𝑡 tuviera una distribución normal, el valor esperado de 𝑒𝑡𝑎2

𝑡 sería igual a uno.



Con lo cual el valor esperado de la producción del sector agrícola no depende de las condicionesclimáticas.

𝐸𝑡[𝑦𝑎,𝑡] = 𝐸𝑡[𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡𝑒𝜉𝑡 ] = 𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡

Esto debido a que 𝐸 [𝑒𝜉𝑡] = 1. Otro supuesto para facilitar el análisis es que todas las empresas delsector agrícola se ven afectadas de manera idéntica ante las fluctuaciones climáticas.

Demanda de factores

La decisión que deben tomar las empresas en el sector agrícola es la cantidad de insumos a de-mandar dada las funciones de costos y producción. Para ello minimizan loas costos mediante laecuación (7).

𝑚𝑖𝑛(𝑙,𝑘)[𝑟𝑡𝑘𝑎,𝑡 + 𝑤𝑡𝑝𝑡

𝑙𝑎,𝑡] + 𝜑𝑖,𝑡(𝑦𝑎,𝑡 − 𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎

𝑎,𝑡𝑒−𝜙(𝜂2𝑡 −𝜖))

Las condiciones de primer orden de la ecuación (7) para la minimización de los costos para cadauno de los insumos se presentan en las ecuaciones (8) y (9).

𝑤𝑡𝑝𝑡

− 𝜑𝑎,𝑡(𝛼𝑎𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖)) = 0 (35)

𝑟𝑡 − 𝜑𝑎,𝑡(𝛼𝑎𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖)) = 0 (36)

Combinando las ecuaciones (35) y (36), y despejando para 𝑘𝑡 se obtiene:

𝑘𝑎,𝑡 = ( 𝛼𝑎1 − 𝛼𝑎

)(𝑤𝑡𝑝𝑡

𝑟𝑡)𝑙𝑎,𝑡 (37)

Insertando la ecuación (36) dentro de la restricción presupuestaria se obtiene la demanda por fac-tores del sector agrícola.

𝑙𝑎,𝑡 = 𝛼𝑎 (𝑤𝑡𝑝𝑡

)−1

𝑦𝑎,𝑡

𝑘𝑎,𝑡 = (1 − 𝛼𝑎)(𝑟𝑡)−1𝑦𝑎,𝑡

De manera análoga se obtiene las demandas por los insumos del sector no agrícola:

𝑙𝑛,𝑡 = 𝛼𝑛 (𝑤𝑡𝑝𝑡

)−1

𝑦𝑛,𝑡

𝑘𝑛,𝑡 = (1 − 𝛼𝑛)(𝑟𝑡)−1𝑦𝑛,𝑡

Combinando las ecuaciones (36) y (37) y despejando para 𝑙𝑎,𝑡 se pude obtener 𝜑 es igual a loscostos marginales reales de la firma en términos de 𝑙𝑎,𝑡, como se muestra en la ecuación (10).

𝜑𝑎,𝑡 = 1 − 𝛼𝑎𝛼𝑎

𝑤𝑡𝑝𝑡

𝑙𝑎,𝑡𝛼𝑎𝑦𝑎,𝑡

(38)


Jorge León

7.4 Precios

La decisión de precios por parte de las empresas del sector agrícola está determinado por la funciónde beneficios (Π𝑎,𝑡) dada por la ecuación (38):

Π𝑎,𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 − 𝜑𝑎,𝑡𝑐𝑎,𝑡

Sustituyendo 𝑐𝑎,𝑡 por la ecuación (31), se obtiene:

Π𝑎,𝑡 = 𝛾(𝑝𝑎,𝑡𝑝𝑡

)1−𝜃𝑝𝑡𝑐𝑡 − 𝜑𝑎,𝑡𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃𝑐𝑡 (39)

Se maximiza la ecuación (39) con respecto a 𝑝𝑎,𝑡:

(1 − 𝜃)𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃𝑐𝑡 + 𝜃𝜑𝑎,𝑡𝛾(𝑝𝑎,𝑡𝑝𝑡

)−𝜃−1 1𝑝𝑡

𝑐𝑡 = 0

Simplificando se obtiene:

(1 − 𝜃) = 𝜃𝜑𝑎,𝑡(𝑝𝑎,𝑡𝑝𝑡

)−1

Reordenando los términos la ecuación queda de la siguiente forma:

𝑝𝑎,𝑡 = 𝜃1 − 𝜃𝜑𝑎,𝑡 (40)

Se sustituye la función producción del sector agrícola dada por la ecuación (34) dentro de la funciónde costo marginal dada por la ecuación (38) y esta a su vez también se sustituye en la ecuaciónanterior (40).

𝑝𝑎,𝑡 = 𝜃𝜃 − 1

1 − 𝛼𝑎𝛼𝑎

𝑤𝑡(𝛼𝑎𝐴𝑎,𝑡𝑘1−𝛼𝑎𝑎,𝑡 𝑙𝛼𝑎−1

𝑎,𝑡 𝑒−𝜙(𝜂2𝑡 −𝜖))−1 (41)

La ecuación (41) muestra como los precios del bien agrícola dependen del efecto de choques cli-máticos 𝜉𝑡.

Siguiendo el mismo procedimiento se encuentra que los precios para los bienes no agrícolas sondeterminados por el costo marginal y el margen:

𝑝𝑛,𝑡 = 𝜃1 − 𝜃𝜑𝑛,𝑡

A su vez se puede derivar una ecuación isomórfica a la ecuación (41) para los precios del sector noagrícola:

𝑝𝑛,𝑡 = 𝜃𝜃 − 1

1 − 𝛼𝑛𝛼𝑛

𝑤𝑡(𝛼𝑛𝐴𝑛,𝑡𝑘1−𝛼𝑛𝑛,𝑡 𝑙𝛼𝑛−1

𝑛,𝑡 )−1 (42)

Al log-linearizar las ecuaciones (41) y (42) se obtiene para el sector agrícola:

𝑝𝑎,𝑡 = ��𝑡 − 𝐴𝑎,𝑡 − (1 − 𝛼𝑎) 𝜅𝑎,𝑡 + 𝜙(𝜂2𝑡 − 𝜖) (43)

Donde 𝜅𝑎,𝑡 = 𝐾𝑎,𝑡/𝐿𝑎,𝑡 y en versión log-linearizada es ��𝑎,𝑡 − 𝑙𝑎,𝑡.



Mientras que para el sector no agrícola la ecuación queda de la siguiente forma:

𝑝𝑛,𝑡 = ��𝑡 − 𝐴𝑛,𝑡 − (1 − 𝛼𝑛) 𝜅𝑛,𝑡 (44)

La log-linearización de la ecuación (33), que define el índice de precios al consumidor tiene lasiguiente forma:

𝑝𝑡 = 𝛾 𝑝𝑎,𝑡 + (1 − 𝛾) 𝑝𝑛,𝑡 (45)

Sustituyendo en la ecuación (45), las ecuaciones (43) y (44), se obtiene la expresión (46)

𝑝𝑡 = 𝛾[��𝑡 − 𝐴𝑎,𝑡 − (1 − 𝛼𝑎) 𝜅𝑎,𝑡 + 𝜙(𝜂2𝑡 − 𝜖)] + (1 − 𝛾)[��𝑡 − 𝐴𝑛,𝑡 − (1 − 𝛼𝑛) 𝜅𝑛,𝑡] (46)

Con el fin de simplificar el análisis y resaltar el efecto del choque climático, es posible simplificarla ecuación (46). Bajo el supuesto de que el salario es el mismo para ambos sectores y si la ofertade insumos es perfectamente elástica se tiene que las empresas no tienen motivos para cambiar lacomposición del uso de los insumos, por lo tanto 𝜅𝑖,𝑡 = 𝜅𝑖 = 0. Finalmente, si se emplea el supuestode que choques de productividad son idénticos en ambos sectores 𝐴𝑡 = 𝐴𝑎,𝑡 = 𝐴𝑛,𝑡. Luego de estoscambios se obtiene una ecuación simplificada (47).

𝑝𝑡 = ��𝑡 − 𝐴𝑡 + 𝛾𝜙(𝜂2𝑡 − 𝜖) (47)

La ecuación (47) es idéntica a la ecuación (18) en el texto del documento.

7.5 Producción

En equilibrio los mercados deben cumplir las siguientes condiciones:

𝑐𝑎,𝑡 = 𝑦𝑎,𝑡 (48)

𝑐𝑛,𝑡 = 𝑦𝑛,𝑡 (49)

𝑝𝑡𝑦𝑡 = 𝑝𝑎,𝑡𝑦𝑎,𝑡 + 𝑝𝑛,𝑡𝑦𝑛,𝑡 (50)

Combinando las demanda de los bienes agrícolas y no agrícolas expresadas en las ecuaciones (31)y (32) se obtiene:

𝑐𝑛,𝑡 = 1 − 𝛾𝛾 (𝑝𝑛,𝑡

𝑝𝑎,𝑡)𝑐𝑎,𝑡 (51)

Utilizando la ecuación (51) y las igualdades: (48), (49) y (50), se puede derivar:

𝑝𝑡𝑐𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 + 𝑝𝑛,𝑡𝑐𝑛,𝑡

Sustituyendo 𝑐𝑛,𝑡:

𝑝𝑡𝑦𝑡 = 𝑝𝑎,𝑡𝑐𝑎,𝑡 + 𝑝𝑛,𝑡1 − 𝛾

𝛾 (𝑝𝑛,𝑡𝑝𝑎,𝑡

)−𝜃

𝑐𝑎,𝑡

𝑝𝑡𝑦𝑡 = [𝑝𝑎,𝑡 + 1 − 𝛾𝛾 (𝑝1−𝜃

𝑛,𝑡𝑝−𝜃

𝑎,𝑡)]𝑐𝑎,𝑡

𝑝𝑡𝑦𝑡 = [𝛾𝑝1−𝜃𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃

𝑛,𝑡𝛾𝑝−𝜃

𝑎,𝑡] 𝑐𝑎,𝑡


Jorge León

Donde 𝑝1−𝜃𝑡 = 𝛾𝑝1−𝜃

𝑎,𝑡 + (1 − 𝛾)𝑝1−𝜃𝑛,𝑡 derivado de la ecuación (33), t 𝑦𝑎,𝑡 = 𝑐𝑎,𝑡 por lo tanto:

𝑝𝑡𝑦𝑡 = [ 𝑝1−𝜃𝑡

𝛾𝑝−𝜃𝑎,𝑡

]𝑦𝑎,𝑡 (52)

𝑦𝑡 = [ 𝑝−𝜃𝑡

𝛾𝑝−𝜃𝑎,𝑡

]𝑦𝑎,𝑡 (53)

Al log-linearizar la ecuación (53) se obtiene:

𝑦𝑡 = 𝜃( 𝑝𝑎,𝑡 − 𝑝𝑡) + 𝑦𝑎,𝑡 (54)

Modificando la ecuación (47), por simplicidad, se utiliza el supuesto de oferta laboral perfectamenteelástica, se obtiene que ��𝑡 = 0, y cero crecimiento de productividad 𝐴𝑡 = 0, la ecuación (54) puederescribirse como:

𝑦𝑡 = 𝜃(𝜙(𝜂2𝑡 − 𝜖) − 𝛾𝜙(𝜂2

𝑡 − 𝜖)) + 𝜙(𝜂2𝑡 − 𝜖)

Sacando el choque climático a factor común se obtiene:

𝑦𝑡 = (𝜃(1 − 𝛾) − 1)𝜙(𝜂2𝑡 − 𝜖)

Donde el signo de un choque climático está determinado por el signo de (𝜃(1 − 𝛾) − 1)

𝜃 ≶ 1(1 − 𝛾)



Volumen I, 2020

Una aproximación a los multiplicadoresdel gasto público en El Salvador

Pablo Amaya1

ResumenLa ausencia de una política monetaria en el país aumenta la importancia de la política fiscal comoinstrumento para estimular el ciclo económico, las consecuencias de las decisiones que se tomen entorno a la misma, deben estar basadas en aproximaciones cercanas a su impacto en la economía.Este documento busca contribuir a la discusión técnica de la magnitud del multiplicador fiscal en ElSalvador, por medio de estimaciones basadas en técnicas de panel, acorde a la disponibilidad dedatos en el país. Los resultados revelan multiplicadores significativos y positivos ante incrementos enel gasto de consumo público que rondan entre 0.6 y 0.69 por ciento de impacto en la producciónante un incremento del gasto de consumo público del gobierno de magnitud 1 por ciento del PIB,con posibilidades de alcanzar, de forma acumulada, 0.8 en el largo plazo como mínimo. En cuantoal multiplicador de la inversión pública, se cree que el bajo nivel de este tipo de inversión podríaestar limitando su potencial de incidir significativamente en el crecimiento económico del país.

Clasificación JEL: E62, E12, E32.Palabras clave: multiplicador fiscal, política fiscal, ciclo económico.

1 Introducción2

La situación fiscal en El Salvador requiere de medidas orientadas a aliviar las presiones de la acu-mulación de pasivos de años anteriores, las consecuencias de las decisiones que se tomen en estecontexto deben estar debidamente valoradas, tomando en cuenta que la economía es un juego decontrapartidas donde ocurren transferencias de riqueza entre los agentes que participan en ella.

La acumulación de la deuda del Sector Público No Financiero (SPNF) es el eje central de la discusión,con alrededor del 72.8% del Producto Interno Bruto (PIB) en 2018, su incidencia en las condiciones

1El autor es economista senior del Banco Central de Reserva de El Salvador. Para comentarios contactar al autora través de [email protected]. El contenido de este documento es de exclusiva responsabilidad del autor y nonecesariamente representa la posición oficial del Banco Central de Reserva de El Salvador.

2El autor agradece los comentarios de Dania López, José Serrano, Mario Silva, Marisela Rivas y Nelly García, colegasdel Banco Central de Reserva de El Salvador (BCR), así como la colaboración de Roberto Aguilar y Karin Rodriguez,pasantes de investigación, en la realización de este documento.

131



Pablo Amaya

en las que el país accede a financiamiento es evidente, pues los acreedores toman posiciones es-peculativas ante el deterioro de las calificaciones de riesgo que castigan los pasivos del país.

El alza en el ratio de la deuda pública tiene diversos orígenes, uno de los más importantes es el re-conocimiento del pasivo previsional, certificados Fideicomiso de Obligaciones Previsionales (FOP),que ha contribuido al crecimiento acelerado del ratio de la deuda total, abonando 19 puntos delPIB en 2018. Por el lado de los ingresos, un bajo crecimiento económico que ronda el 2.2% en sunivel de tendencia en años recientes, aunado a la elusión y evasión fiscal, son elementos indiscuti-blemente asociados a la problemática, así como presiones adicionales por parte del gasto.

La solución a la problemática tiene sus aristas identificadas y pueden ser clasificadas según su im-pacto en el tiempo; para el largo plazo, gracias a un mayor crecimiento económico que vitalice larecaudación tributaria en el futuro, o implementando una reforma del Sistema de Pensiones que seasostenible en el tiempo. Mientras que para el corto plazo, se dispone de medidas inmediatas comoel recorte del gasto público o el incremento de la recaudación tributaria.

La opción del recorte del gasto público podría tener consecuencias inmediatas en la economía.Aunque históricamente el gasto público se ha caracterizado por estar correlacionado de forma po-sitiva al ciclo económico, han ocurrido episodios donde el rol de la política fiscal fue sugestivamenteimportante, como en la crisis reciente de 2009, donde el gasto de consumo público se mantuvoen términos de volumen (creció 7% en términos nominales) y continuó aportando al crecimiento enaños posteriores con tasas del 3 al 11 por ciento, ayudando posiblemente a la recuperación.

La fuerte contracción de la demanda interna privada de dicho año se manifestó en la caída delconsumo privado en magnitud del orden del 7% y de la inversión total en 28% 3. La caída finalde la economía fue en una cuantía menor que la originada por la contracción del gasto privado,de un nivel de 2.1%. En el año 2010 la economía inició de inmediato su proceso de recuperaciónregistrando un crecimiento de 2.1%.

En cuanto a la inversión pública, la cuantificación de un recorte en el gasto de capital y su efectoen el crecimiento económico no es fácilmente identificable, debido a su magnitud y su relativa esta-bilidad en el tiempo. De manera desfavorable, la inversión pública ha representado un porcentajerelativamente bajo del PIB (en promedio 3% desde 1990 a la fecha); y los episodios que interrum-pieron la relativa estabilidad del ratio son pocos, además son respuesta a eventos particulares quemodificaron la infraestructura del país, dificultando aún más separar el crecimiento originado poruna mayor inversión pública, del generado por el sector privado por su propia dinámica de recu-peración4.

La existencia de trabajos aplicados que confirman multiplicadores del gasto público positivos en ElSalvador, Garry y Rivas Valdivia (2016) y los obtenidos a partir de Karras (2011) y Schwinn (2015),sugieren que un ajuste sobre el gasto público podría tener consecuencias relevantes en el crecimien-

3Cálculos del autor con base a datos del BCR4Dos son los picos identificados de la inversión pública, en 1992, el arranque del período post-guerra hizo que la

inversión del sector público creciera en 1 punto porcentual del PIB; y en 2002 con la reconstrucción de los principalesactivos deteriorados por los terremotos del año 2001, que generó un crecimiento de la inversión pública en 28%.


Una aproximación a los multiplicadores del gasto público en El Salvador

to económico, sobre todo en el caso de economías dolarizadas donde la ausencia de una políticamonetaria refuerza a la política fiscal como único instrumento para modificar el ciclo en una mag-nitud relevante y deja por fuera los ajustes monetarios que varíen los efectos multiplicadores delgasto; por lo que su abordaje en un marco de discusión técnica favorece a una toma de decisionesmás informada.

Este documento busca contribuir a la discusión sobre el impacto que las decisiones de política fiscaltienen sobre la producción, tratando de comprender de mejor manera el proceso de formación delas series, para elegir la mejor estrategia de estimación de multiplicadores del gasto público plausi-bles.

Investigaciones de este tipo contribuyen a ampliar la reducida literatura específica para el caso deEl Salvador, debido a que los estudios que han abordado el tema de los multiplicadores para elpaís, han tenido un objetivo compartido en el estudio de los multiplicadores de la región (Estevãoy Samake (2013) y Garry y Rivas Valdivia (2016)), o son menciones al país en investigaciones conobjetivos académicos diferentes (Karras (2011) y Schwinn (2015)). En esta entrega, solo se aborda-ron los multiplicadores asociados al gasto público, dejando pendiente para posteriores trabajos, lasestimaciones por el lado del ingreso disponible (impuestos menos transferencias corrientes)

Estimar multiplicadores fiscales en la actualidad sigue siendo una tarea espinosa, Batini, Eyraudy col. (2014) reconocen que existe un bajo consenso en torno a las magnitudes de los multiplicado-res en los países, cuyos valores varían entre rangos significativos; Barro y Redlick (2011) hacen verque no hay un modelo teórico único que esté acordado en la academia y Favero, Giavazzi y Perego(2011) concluyen que no se puede hablar de un multiplicador único entre países.

El documento se estructura en seis secciones, la primera de ellas aporta una breve descripción de laevolución de las principales variables fiscales en El Salvador, la segunda resume los principales ele-mentos teóricos involucrados en la estimación de los multiplicadores fiscales, así como estrategiasy datos disponibles. En las secciones tres y cuatro se detalla el proceso de estimación y resultadosobtenidos de los multiplicadores del gasto de consumo público y de la inversión pública. En el quintoapartado se realiza la discusión de los resultados, contrastándolos en el marco de la evidencia yotros estudios realizados, para finalmente resumir en la última sección.

2 La historia fiscal en El Salvador

El Salvador es una economía dolarizada desde el año 2001, lo que ha presionado sobre la po-lítica fiscal como la única política disponible con impacto significativo para dirigir al ciclo, cuyofinanciamiento se ha vuelto más difícil de obtener en años recientes. Los problemas se reflejan enuna acumulación de deuda pública total de alrededor del 72.8% del Producto Interno Bruto (PIB)en 2018, de las cuales 51.4% corresponde al Sector Público No Financiero (SPNF); 21% al SectorPúblico Financiero (SPF), cuya mayor parte es derivada del FOP; y 0.4 al Banco Central (BC). (Véasefigura 1)


Pablo Amaya

Figura 1: El Salvador. Deuda Pública Total. Porcentaje del PIB de cada año

Fuente: Elaboración propia con datos del Ministerio de Hacienda y Banco Central de Reserva.

El alza en el ratio de la deuda pública tiene diversos orígenes, uno de los más importantes es elreconocimiento del pasivo previsional, certificados del FOP, que ha contribuido al crecimiento ace-lerado del ratio de la deuda total desde 2006, abonando 19 puntos del PIB en 2018 5 . Por ellado de los ingresos, un bajo crecimiento económico que ronda el 2.2% en su nivel de tendencia,aunado a la elusión y evasión fiscal, son elementos indiscutiblemente asociados a la problemática,así como presiones adicionales por parte del gasto.

Aunque la composición de la deuda pública es en su mayoría externa (50.4%), el riesgo es compar-tido con acreedores nacionales, ya que existe un alto porcentaje (49.6%) de la deuda que consumerecursos internos, en forma de certificados del FOP, Eurobonos en poder de residentes, Letras delTesoro Público (LETES), deuda de Empresas Públicas No Financieras y municipalidades principal-mente 6. Que podrían competir contra proyectos de inversión.

Los problemas de la deuda pública fueron más evidentes en el primer semestre de 2017, en abrilde dicho año se incumplió el pago de capital e intereses de los Certificados de Inversión Previsional(CIP), lo que disparó el EMBI a 587 después de la noticia del impago selectivo, 222 puntos porarriba del latinoamericano para lo que restó del mes de abril, siendo 430 su promedio 2010-2016

5El FOP fue creado por decreto Legislativo en 2006, como un mecanismo para financiar para el pago de los beneficiosa que se refieren los artículos 184, 186, 187, del 196 al 211, y el 215 de la Ley SAP, las pensiones de los jubilados delInstituto Salvadoreño del Seguro Social (ISSS) y el Instituto Nacional de Pensiones de los Empleados Públicos (INPEP), apartir de las cuentas privadas de los cotizantes del sistema de capitalización privado administrado por las Asociacionesde Fondos de Pensiones (AFP); por medio de las emisiones de Certificados de Inversión Previsional.

6Datos de BCR y Ministerio de Hacienda de 2019



Figura 2: El Salvador. Evolución del pago de intereses como porcentaje del Ingreso Corrientedel GCC de cada año


y 438 entre 2018-2019.

De igual forma, el pago de intereses sobre la deuda ha venido creciendo, compitiendo con recursospara la política fiscal, pasando de representar 10.8% de los ingresos corrientes del Gobierno Cen-tral Consolidado (GCC) a 18.6% en 2019, haciendo un espiral de mayor gasto público y mayorcastigo sobre la deuda. (Véase figura 2)

A pesar de esto, aunque limitado e históricamente correlacionado de forma positiva al ciclo eco-nómico, el gasto público ha tenido episodios donde el rol de la política fiscal fue sugestivamenteimportante, como en la crisis reciente de 2009, donde el gasto de consumo público se mantuvoen términos de volumen (creció 7% en términos nominales) y continuó aportando al crecimiento enaños posteriores con tasas del 3 al 11 por ciento, ayudando posiblemente a la recuperación, anteuna fuerte contracción de la demanda interna privada de dicho año. El consumo privado se redujoen magnitudes del orden del 7% y la inversión total lo hizo en 28%. La caída final de la economíafue en una cuantía menor que la originada por la contracción del gasto privado, de un nivel de2.1%. En el año 2010 la economía inició de inmediato su proceso de recuperación registrando uncrecimiento de 2.1%.

En el tiempo, el gasto de consumo público más las transferencias corrientes han venido creciendo en


Pablo Amaya

Figura 3: El Salvador. Gasto de Consumo y Transferencias Corrientes del SPNF como por-centaje del PIB


relación al PIB, alcanzando 17.1 puntos del PIB e indicando un papel más importante en la econo-mía del que ocupaba anteriormente (12.4%), por lo que su incidencia en el ciclo económico podríaser más importante en la actualidad. (Véase figura 3). Los programas sociales que se suscitaron des-pués de 2009 podrían explicar dicho aumento: Bono Salud y Educación, Pensión Básica al AdultoMayor, Apoyo Temporal al Ingreso (PATI) y a Veteranos de Guerra, Paquete Escolar, Alimentación yBecas Escolares, Vaso de Leche, Agricultura Familiar y Ciudad Mujer.

La inversión pública se ha comportado relativamente estable con dos momentos de destacada im-portancia. El primero recién firmados los acuerdos de paz en 1992 en el proceso de reconstruccióndespués de la guerra civil y en el 2001-2002 por el proceso de recuperación de infraestructuradañada por los terremotos del año 2001. Después de esos dos momentos, el ratio de InversiónPública a PIB ha cedido terreno manteniendo un nivel bajo en 2.4% del PIB. (Véase figura 4)

La necesidad de financiamiento de la política fiscal es evidente en la evolución de la carga tributaria,los ingresos tributarios a PIB (netos de devoluciones) han crecido a pasos importantes (Véase figura5) y han manifestado episodios interesantes que podrán ser objeto de estudio de futuras investiga-ciones, como el incremento del IVA en 1996 que coincidió con una caída en el crecimiento del PIBen el mismo año del orden de 4%.

3 La teoría de los multiplicadores fiscales

Los multiplicadores fiscales cuantifican el impacto de las políticas fiscales sobre el crecimiento eco-nómico de los países, su correcta estimación es fundamental para los tomadores de decisiones puescon ellos pueden maximizar o minimizar los efectos de sus decisiones en la población. La discusiónteórica sobre los mecanismos que trabajan para generar dicho efecto es amplia y sus resultados



Figura 4: El Salvador. Formación Bruta de Capital Fijo Pública como porcentaje del PIB

Fuente: Elaboración propia con base en Banco Central de Reserva.

dependen en gran medida de las líneas de pensamiento que sustentan su identificación.

La visión neoclásica estándar de la participación del gobierno en la economía, implica un desplaza-miento del consumo privado ante incrementos en el gasto del gobierno, derivado de la optimizaciónque realiza el hogar representativo ante la inminente subida de impuestos en el futuro, pues el go-bierno no puede endeudarse al infinito. La optimización es posible porque el agente puede ahorraro endeudarse sin problemas en el mercado financiero a una tasa de interés de mercado.

Ante la caída del consumo, el hogar reduce el ocio, por lo que el incremento en la oferta de tra-bajo, ante precios flexibles, genera una caída del salario real con su respectiva consecuencia en laproducción. El efecto final en el tiempo es una caída en la riqueza de los individuos. El valor delmultiplicador es prácticamente cero en el largo plazo, en el extremo de la síntesis neoclásica.

Tal como lo resume Perotti, Reis y Ramey (2007), los modelos Neokeynesianos, se diferencian delos anteriores en que una expansión del gasto público conlleva a un aumento de la producción yde la riqueza de los hogares. Dicho aumento puede ser generado por el mecanismo de márgenescontracíclicos, por la existencia de rigideces nominales o por los retornos incrementales en las firmas.

En estos modelos un incremento del gasto del gobierno genera un crecimiento en la demanda detrabajo, que puede originarse por una caída en el margen de ganancia que estimula la acción con-tracíclica, el efecto combinado de una mayor demanda de bienes y rigideces nominales, o por elcrecimiento en el número de empresas que operan en el sector.

El incremento en la demanda de trabajo aumenta el salario real, porque las presiones del alza dela tasa de interés no son lo suficientemente fuertes como para detener el crecimiento del producto,a pesar del aumento en la oferta de trabajo; o porque existen ganancias de productividad en laespecialización de las firmas. En todos estos casos, los mayores salarios reales generan un aumento


Pablo Amaya

Figura 5: El Salvador. Ingresos tributarios netos como porcentaje del PIB

Fuente: Elaboración propia con base en Banco Central de Reserva.

de la producción debido al mayor consumo, que se incrementa a su vez por la sustitución del ocio,siendo también posible que las restricciones de acceso al sistema financiero no permiten a una par-te de la población acumular ahorro y por tanto consumen su mayor ingreso en el presente, lo quepotencia la producción ante una política fiscal expansiva7.

Para la verificación empírica de estas relaciones, la literatura da cuenta de un conjunto de elementoscomunes que gozan de algún nivel de consenso, uno de estos es el signo del multiplicador; desta-can en número las investigaciones que encuentran un efecto positivo del aumento del gasto públicosobre el PIB, pero heterogéneas en sus magnitudes.

Un ejemplo inevitable es Blanchard y Perotti (2002) quienes desarrollaron un modelo Estructural deVectores Autorregresivos (SVAR por sus siglas en inglés) sobre datos de frecuencia trimestral para laeconomía de Estados Unidos, encontrando multiplicadores de gasto público positivos de magnitudde impacto entre 0.8 y 0.9 dólares por cada dólar gastado por el gobierno y negativos ante un shockde impuestos del orden de 0.69 y 0.70 ante un dólar adicional recaudado, todo a nivel trimestral.En ambos casos el signo del efecto sobre el PIB se mantiene, en el largo plazo.

Otros estudios reafirman los multiplicadores positivos del gasto, tal como Perotti, Reis y Ramey(2007), donde se realizó estimaciones basadas en Vectores Autorregresivos (VAR) sobre datos tri-mestrales para las economías de Estados Unidos, Australia, Canadá y el Reino Unido; reafirmó losmultiplicadores acumulados positivos para la economía de Estados Unidos y encontró multiplicado-res del mismo signo para Australia. Los multiplicadores del resto de países resultaron no significativosen al menos una de las especificaciones. Los efectos acumulados varían de 0.72-0.98 en EstadosUnidos y 1.26-1.33 en Australia.

7Para una ampliación ver Galí, Lopez-Salido y Vallés (2006), Ravn, Schmitt-Grohé y Uríbe (2006), Linnemann y Scha-bert (2003), Devereux, Head y Lapham (1996), Bilbiie, Ghironi y Melitz (2005), citados en Perotti, Reis y Ramey (2007).



Alesina y Ardagna (2010) y Almunia y col. (2009) también calcularon multiplicadores positivos peromenores que 1, para 27 y 30 economías de la Organización para la Cooperación y el DesarrolloEconómico (OCDE) respectivamente; en el mismo sentido, Guajardo, Leigh y Pescatori (2011) en-cuentra una relación directa entre gasto público y crecimiento, lo que utilizó para demostrar que laconsolidación fiscal (medidas fiscales orientadas a reducir el déficit presupuestario) reduce el PIB delas economías.

Perry y Vernengo (2011), motivados por un cuestionamiento evidente al pensamiento tradicionalsobre el rol de la política fiscal en las economías, justificaron la importancia de la política fiscal conmultiplicadores positivos, en especial en las etapas de recuperación del ciclo económico. Demos-traron que los multiplicadores fiscales del “Nuevo Trato” habrían estado subestimados y que en lagran depresión, fue la combinación de una política fiscal subsidiada por la política monetaria, laque logró el éxito de la recuperación.

Adicionalmente, Restrepo y Rincón (2006) para Chile y Colombia en menor intensidad, TiscordioLazo y Bucacos (2008) en Uruguay en horizontes relativamente cortos, Karras (2011) y Schwinn(2015) para el panel conjunto de 62 economías; y Garry y Rivas Valdivia (2016), en promediopara la región de Centro América, República Dominicana, México y Panamá; encontraron que losmultiplicadores fiscales son positivos, altamente significativos en algunos casos y con magnitudesbajas en otros. Estevão y Samake (2013) en Centro América encontraron que los recortes del gastotienen efectos contractivos, sin embargo la consolidación fiscal proporciona mayores beneficios decrecimiento en al menos dos o cuatro años posteriores a su implementación.

Otros elementos comunes también se encuentran en los condicionantes de la magnitud de los mul-tiplicadores, resumidos en la brecha del crecimiento, el nivel de apertura económica, los regímenescambiarios, las rigideces del mercado de trabajo y recientemente el nivel de deuda pública y la vo-latilidad de la gestión fiscal; que según sean, truncan o potencian el poder expansivo de los mismos.

El primero de ellos fue abordado por Auerbach y Gorodnichenko (2010) y Batini, Callegari y Melina(2012), ambas investigaciones diferenciaron los multiplicadores en el ciclo económico, épocas derecesión versus épocas de expansión; encontraron que durante los períodos recesivos los multipli-cadores tienen una mayor magnitud que durante los períodos expansivos, debido a que es menosprobable que los choques expansivos desplacen el consumo o la inversión privada, cuando la eco-nomía está débil.

Favero, Giavazzi y Perego (2011) y Barrell, Holland y Hurst (2012) por otra parte, afirmaron quelos multiplicadores fiscales disminuyen ante el incremento de la apertura de las economías y de ladeuda de los países, aspectos reforzados por Ilzetzki, Mendoza y Végh (2011) y Karras (2011), esteúltimo abordó únicamente el factor de apertura económica.

En la misma línea del estudio de la deuda, Estevão y Samake (2013) centran su atención en losefectos negativos de la acumulación de deuda pública en los países, derivado de un aumento des-medido del gasto público para fines de recuperación económica; así como en las consolidacionesfiscales (reducción de gasto o incremento de impuestos), las cuales, según ellos, tienden hacia unefecto acumulado positivo en las economías.


Pablo Amaya

Sobre esto último, Favero, Giavazzi y Perego (2011) advierten algunas inconsistencias que sostienendicha hipótesis, ejemplifican que cuando FMI (2010) demostró la importancia de las restriccionespresupuestarias de los gobiernos en la determinación de los multiplicadores, la serie truncó los ajus-tes de gasto e impuestos que obedecían a expansiones fiscales, provocando que el análisis fueraparcialmente sesgado hacia la consolidación, condicionando los resultados a favor de los mismos.Similar crítica fue realizada por Guajardo, Leigh y Pescatori (2011).

Por otra parte, algunos autores ponen en relieve la importancia de los regímenes cambiarios, Ilzetzki,Mendoza y Végh (2011), Mendoza y Végh (2011) y Born, Juessen y Müller (2012) concluyeron quelos países con esquemas más flexibles tienen multiplicadores fiscales esencialmente cero, productode la apreciación ocasionada por un aumento del gasto fiscal, en línea con el modelo Mundell-Fleming. En esencia las magnitudes difieren entre países como consecuencia del grado en que laspolíticas monetarias reaccionan a los impulsos fiscales.

Batini, Eyraud y col. (2014) agregaron otros elementos vinculados a la gestión del gasto público,afirmando que las políticas monetarias expansivas y las bajas tasas de interés pueden atenuar losefectos negativos de una contracción en el gasto público, cuando esto es requerido en los países.Asimismo, abordaron el tema de la rigidez de los mercados laborales, donde países con mayorrigidez tienden a salarios menos flexibles, amplificando el efecto de cambio en la demanda sobreel producto. Esto último también afirmado por Cole y Ohanian (2004)

De manera reciente, Schwinn (2015) formalizó el efecto de la volatilidad de la política fiscal sobreel multiplicador del gasto. Demostró que la volatilidad es un factor que reduce los niveles de losmismos, ya que los agentes le dan seguimiento a los movimientos que realiza el gobierno en tornoa la política fiscal, que mientras más volátiles son, dificultan la formación de expectativas adecua-das, reduciendo la efectividad de la misma. Este elemento fue resaltado anteriormente por Ilzetzki,Mendoza y Végh (2011) para los países en desarrollo.

A pesar de contar con una vasta literatura, Barro y Redlick (2011) y Batini, Eyraud y col. (2014)ponen en relieve el bajo consenso respecto al nivel de los multiplicadores en la literatura e inclusivela ausencia de un modelo teórico único, sobre todo en las economías emergentes y países de bajoingreso. Esta falta de consenso está presente también en las estrategias de estimación, aunque enun menor nivel ya que depende de la disponibilidad de datos en los países.

En cuanto a las estrategias de estimación están algunos autores que utilizan las estimaciones diná-micas basadas en VAR sobre datos individuales, Blanchard y Perotti (2002), Perotti, Reis y Ramey(2007) y Perry y Vernengo (2011), algunos de ellos con por lo menos 173 períodos de análisis; asícomo Garry y Rivas Valdivia (2016), Restrepo y Rincón (2006) y Tiscordio Lazo y Bucacos (2008)con aplicaciones para Latinoamérica. Estevão y Samake (2013) utilizan un Structural Vector Error-Correction Model (SVECM) con restricciones financieras, aplicado a datos anuales de varios paísesde forma individual, con el objetivo de evaluar los impactos de la acumulación de deuda de lospaíses en los multiplicadores fiscales.

También se han estimado multiplicadores fiscales utilizando metodologías basadas en Modelos de



Equilibrio General Dinámico Estocástico, DSGE, (Barrell, Holland y Hurst (2012) y Cole y Ohanian(2004)), los que gozan de la ventaja de incorporar una visión sistémica de la estimación. Perendia,Tsoukis y col. (2012) basados en un DSGE de tamaño medio, encontrando multiplicadores similaresa los Keynesianos, con alto impacto positivo en el producto y un efecto positivo en el consumo.

Karras (2011) y Schwinn (2015), por otra parte son un ejemplo de estimaciones dinámicas grupalesbasadas en datos de panel, quienes utilizan registros anuales de las economías disponibles en la ba-se de datos del Penn World Table y otras fuentes alternativas. Estrategias basadas en panel tambiénestán disponibles en Afonso (2006), Alesina y Ardagna (2010), Almunia y col. (2009), Auerbachy Gorodnichenko (2010), Batini, Callegari y Melina (2012), Favero, Giavazzi y Perego (2011), FMI(2010), Guajardo, Leigh y Pescatori (2011) y Ilzetzki, Mendoza y Végh (2011).

La elección de una estrategia adecuada depende en mucho sentido de los datos disponibles. Batini,Eyraud y col. (2014), Ilzetzki, Mendoza y Végh (2011) y Perotti, Reis y Ramey (2007) hacen ver laslimitantes de modelar multiplicadores con la metodología de VAR estructural, ya que esta requiere,además de datos de alta frecuencia, series largas de tiempo, que no están disponibles en algunospaíses avanzados, así como en economías emergentes. Un ejemplo de este argumento es Perotti,Reis y Ramey (2007), quien hace estimaciones VAR sobre una selección de países fuera de EstadosUnidos, utilizando aquellos que aseguren series largas con datos trimestrales, su muestra final in-cluyo únicamente a tres países: Australia (1959 - 2006), Canadá (1961 - 2006) y el Reino Unido(1963 - 2006).

Por otra parte, Garry y Rivas Valdivia (2016) resumen las ventajas y limitantes de la estimación demultiplicadores a partir del uso de DSGE, los que en principio gozan de la fortaleza de un entornoholístico pero son altamente sensibles a los supuestos que se realicen respecto a los parámetros.

Finalmente Favero, Giavazzi y Perego (2011) hacen ver que el uso de estrategias de panel tiene laventaja de aumentar la información disponible, ya que incorpora las reacciones del crecimiento devarias economías ante cambios en el gasto público, lo que es muy útil en este tipo de trabajos, por-que encontrar choques exógenos en las series individuales de los países en ocasiones es dificultoso.No obstante, los mismos autores advierten que en las metodologías de panel la heterogeneidad en-tre los países es amplia y puede deberse a los cambios en los determinantes de los multiplicadores,lo que en ocasiones no se toma en cuenta en las investigaciones de este tipo.

Independientemente de la estrategia que se elija, la misma no puede estar ajena a la necesidad queexige el realismo de la modelación. Larski (2012) enfatiza la importancia de procurar una estrategiade modelación adecuada, hace énfasis en la priorización del realismo científico por sobre la elec-ción del modelo, indicando que el instrumento debe estar pensado en función de la capacidad delmismo para representar la realidad. Por lo tanto, un paso obligado para estimar multiplicadores enel país, es la discusión sobre los datos disponibles y como esto condiciona la estrategia de estima-ción.


Pablo Amaya

3.1 Los datos disponibles para la estimación de multiplicadores fiscales y la elec-ción de una estrategia adecuada

La discusión sobre la idoneidad de los datos no es un tema de importancia inferior en el país, esparticularmente dificultoso encontrar series de alta frecuencia formadas para períodos largos detiempo. Las únicas series que se aproximan a esta característica son las del Sistema de EstadísticasFiscales publicado por el BCR, sin embargo están registradas en base caja, lo que significa que elregistro del gasto se realiza cuando ocurre la transferencia de fondos, que en algunos casos, nocoincide con el momento en que se “devenga” dicho gasto.

El uso de datos de alta frecuencia base caja para estimaciones en El Salvador puede generar dis-torsión en los resultados de los multiplicadores, en especial los de corto plazo. Los rezagos entrela generación de la producción y los desembolsos por parte del Ministerio de Hacienda, debidoa problemas de liquidez o por el uso de la banca por parte de los proveedores, es un obstáculoadicional para que los modelos recuperen el verdadero impacto del gobierno en la economía 8 .

Una alternativa es el uso de datos anuales de la contabilidad nacional (base devengado), pero estándisponibles en serie desde 1990 a la fecha, lo que limitaría la conformación de un VAR representa-tivo, el cual contaría únicamente con 26 registros.

Debido a estas consideraciones, para el caso de la estimación del Multiplicador del Gasto Público,se consideró como una alternativa razonable el uso de datos de panel basados en la contabilidadnacional, como los que están disponibles en la base de datos del Penn World Table 9.0 (PWT). Otrosesfuerzos basados en datos base caja, deberán lidiar con las limitantes aquí planteadas; no obstan-te, los resultados de estos estudios podrán compararse con los obtenidos con el panel aquí propuesto

Los registros de PWT9.0 están valorados en poder de paridad de compra (PPP por sus siglas eninglés) por lo que facilitan la comparación entre países, como bien lo explican Feenstra, Inklaary Timmer (2015). Como se mencionó anteriormente, hay evidencia extendida de trabajos que uti-lizaron este tipo de estrategia, aprovechando las ganancias de la información mencionadas porFavero, Giavazzi y Perego (2011), algunos de los cuales se apoyaron en el uso del PWT.

Un problema de utilizar esta fuente, es que PWT no compila datos de inversión pública para lospaíses, por lo que en el caso del multiplicador de la inversión, se optó por complementar la base dedatos con otras fuentes como el World Development Indicator (WDI), aunque los registros resultaronlimitados.

8La serie desde 1994 a 2016 de compras de bienes y servicios del gasto corriente del Gobierno Central (base caja)refleja que el pago a proveedores no es constante durante el año. El repunte del pago a los proveedores del GOES,tradicionalmente ha sido en el mes de diciembre de cada año, y cambió a mayo a partir de 2012 a la fecha. Estecomportamiento de la serie evidencia las limitantes planteadas anteriormente, cuando se trabaja con registros base cajasub anuales, es probable que dicho repunte obedezca a la disponibilidad de liquidez del Gobierno, más que al momentode la realización de las compras y por ende la producción.



4 El multiplicador del gasto de consumo público

Con una estrategia de panel y haciendo uso de los datos del PWT9.0, se procedió a realizar laestimación del multiplicador del gasto público para el país. Karras (2011) y Schwinn (2015) basansu modelo en Hall (2009), parten de una especificación básica del crecimiento económico de lospaíses 𝑦𝑖,𝑡, como una función de los cambios en el consumo público de los gobiernos 𝑔𝑖,𝑡, másun set de variables de control que capturan la variabilidad entre individuos y en el tiempo (𝑧𝑖 y 𝑤𝑡)resultando la ecuación 1.

𝑦𝑖,𝑡 = 𝑧𝑖 + 𝑤𝑡 + 𝛽𝑔𝑖,𝑡 + 𝜖𝑖,𝑡 (1)

Donde:

𝑦𝑖,𝑡 =rgdpna𝑖,𝑡 − rgdpna𝑖,𝑡−1

rgdpna𝑖,𝑡−1(2)

𝑔𝑖,𝑡 =csh_g𝑖,𝑡 × rgdpna𝑖,𝑡 − csh_g𝑖,𝑡−1 × rgdpna𝑖,𝑡−1


con rgdpna es el PIB real a precios constantes de 2011 en millones de dólares 9, csh_g es la tasade participación del consumo del gobierno en el PIB en PPP, 𝛽 es el multiplicador de impacto, 𝑧𝑖representa los efectos fijos transversales, y 𝑤𝑡 representa los efectos fijos de tiempo.

En su versión condicionada, por ejemplo por la apertura comercial de los países (open𝑖,𝑡), el multi-plicador del gasto público se obtiene al derivar la ecuación 1 modificada, respecto a 𝑔:

𝜕𝑦𝜕𝑔 = 𝑧𝑖 + 𝑤𝑡 + 𝛽𝑔𝑖,𝑡 + 𝛽open𝑔𝑖,𝑡open𝑖,𝑡 (4)

𝜕𝑦𝜕𝑔 = 𝛽 + 𝛽openopen𝑖,𝑡 (5)

De tal forma que el multiplicador se expresa como

𝛽 = 𝛽𝑔 + 𝛽openopen𝑖,𝑡 (6)

donde la lista de condicionantes “explícitos” se amplía según se incorporan a la ecuación. Por cons-trucción, la variable 𝑔 denota que los choques fiscales están expresados como porcentaje del PIBreal.

Una extensión del modelo fue utilizada por estos autores para realizar estimaciones dinámicas sobrela base del panel. La ecuación 7 incluye la lista de condicionantes disponibles en PWT9.0 paracorregir la magnitud del multiplicador del gasto y corresponden a la brecha del productos (gap) y lavolatilidad (𝜎𝑘) que se unen a la apertura económica. Los efectos fijos entre economías, cumplen con

9rgdpna fue elegido por recomendación de Feenstra, Inklaar y Timmer (2015), quienes exponen que esta variable esideal para la comparación entre países. Los datos para rgdpna en PWT9.0 ya no están expresados en niveles percápita,lo que representa una diferencia con los datos utilizados por Karras (2011) y Schwinn (2015).


Pablo Amaya

la función de capturar las características inobservables que también modificarían la magnitud delmultiplicador y que no son abordados de forma explícita en la especificación, tales como mercadoslaborales, ineficiencias institucionales, etc.; el abordaje de la deuda y el tipo de cambio se explicamás adelante. La extensión del modelo queda expresada de la forma:

𝑦𝑖,𝑡 = 𝑧𝑖 + 𝑤𝑡 +𝐽

∑𝑗=1

𝛼𝑗𝑦𝑖,𝑡−𝑗

+𝐽

∑𝑗=0

(𝛽𝑗𝑔𝑖,𝑡−𝑗 + 𝛽open𝑗 𝑔𝑖,𝑡−𝑗open𝑖,𝑡−𝑗 + 𝛽gap𝑗 𝑔𝑖,𝑡−𝑗gap𝑖,𝑡−𝑗 + 𝛽𝜎𝑗 𝑔𝑖,𝑡−𝑗𝜎𝑘

𝑔𝑖,𝑡−𝑗) + 𝜖𝑖,𝑡 (7)

Siendo:

open𝑖𝑡 = csh_x+ csh_m (8)

gap𝑖𝑡 =rgdpna𝑖,𝑡 − rgdpnahpt𝑖,𝑡

rgdpnahpt𝑖,𝑡(9)

𝜎𝑘𝑔_𝑖,𝑡 =

√√√⎷

1𝑘 − 1

𝑘∑𝑑=1

(𝑔𝑖,𝑡−𝑑 − 1𝑘

𝑘∑𝑙=1

𝑔𝑖,𝑡−𝑙)2

(10)

Donde csh_x es la tasa de participación de las exportaciones en el PIB en PPP, csh_m es la tasa departicipación de las importaciones en el PIB en PPP, y rgdpnahpt es la tendencia de rgdpna estimadamediante Hodrick y Prescott.

Al utilizar la especificación dinámica, el multiplicador de largo plazo es el resultado de aplicar laecuación 11 10 :

∑𝐽𝑗=1 (𝛽𝑗 + 𝛽𝜎

𝑗 × 𝜎𝑘𝑔𝑖,𝑡

+ 𝛽open𝑗 open𝑘𝑔𝑖,𝑡

+ 𝛽gap𝑗 gap𝑘𝑔𝑖,𝑡

)1 − ∑𝐽

𝑗=1 𝛼𝑗(11)

Para realizar el control de endogeneidad sobre las especificaciones dinámicas, se continúa con laconstrucción de una variable instrumental que represente un choque exógeno del gasto de consu-mo púbico. El problema de endogeneidad mencionado en la literatura, se refiere a la dependenciadel consumo público respecto al ciclo de la economía, en la medida que cuando el crecimientoeconómico aumenta, los ingresos suben y los gobiernos gastan en mayor cuantía; así como eroganmenos durante la contracción del crecimiento. Esta relación genera la endogeneidad entre gastopúblico y crecimiento económico, sobre todo en registros anuales.

La corrección consiste en estimar el panel en dos momentos, en un primer momento extrayendo delos choques fiscales el efecto explicativo del crecimiento, utilizando la ecuación 12, donde 𝑎𝑖 y 𝑏𝑡

10Schwinn (2015) determinó que k=6 para la estimación de la volatilidad es un horizonte correcto, y J=2 para losrezagos de la especificación dinámica pues los criterios de información utilizados así lo sugieren (páginas 41-46). Dichaelección se confirmó en esta investigación según se detalla en Anexo 2. Para la estimación de Hodrick y Prescott recomendó�=6.25; valores que fueron retomados en este documento.



expresan los efectos fijos y de tiempo respectivos:

𝑔𝑖,𝑡 = 𝑎𝑖 + 𝑏𝑡 +𝐽

∑𝑗=1

𝜙𝑗𝑦𝑖,𝑡−𝑗 +𝐽

∑𝑗=1

𝜃𝑗𝑔𝑖,𝑡−𝑗 + 𝑢𝑔𝑖,𝑡 (12)

Los residuos de la ecuación 12, se utilizan como choques fiscales para volver a calcular la ecuación 7quedando expresada como la ecuación 13, donde 𝑢𝑖,𝑡−𝑗 representa a los choques de gasto públicocorregidos por endogeneidad.

𝑦𝑖,𝑡 = 𝑣𝑖 + 𝑤𝑡 +𝐽

∑𝑗=1

𝛼𝑗𝑦𝑖,𝑡−𝑗

+𝐽

∑𝑗=0

(𝛽𝑗𝑢𝑖,𝑡−𝑗 + 𝛽open𝑗 𝑢𝑖,𝑡−𝑗open𝑖,𝑡−𝑗 + 𝛽gap𝑗 𝑢𝑖,𝑡−𝑗gap𝑖,𝑡−𝑗 + 𝛽𝜎𝑗 𝑢𝑖,𝑡−𝑗𝜎𝑘

𝑢𝑖,𝑡−𝑗) + 𝑒𝑖,𝑡 (13)

Karras (2011) y Schwinn (2015) utilizaron un panel balanceado de 62 economías incorporadas enlas bases de datos de PWT6.1 y PWT8.0 respectivamente, descritas en el Anexo 2. No obstante, lamuestra posee cambios estructurales, es decir que los coeficientes no se sostienen a lo largo de lamuestra, resultado esperado dada la alta heterogeneidad de los países incorporados. Los multipli-cadores que se obtengan de ella no podrían ser considerados representativos de economías comola de El Salvador. El anexo 3 contiene los detalles de aplicar la prueba de Quandt-Andrews parapuntos de quiebre desconocidos para la muestra completa de 62 economías.

La consecuente medida para llegar a estimaciones más adecuadas para el país, es aproximarse alas características de la economía salvadoreña mediante una serie de submuestras que permitanreducir la heterogeneidad del panel y evitar los cambios estructurales.

Dos submuestras fueron creadas para este objetivo y dos más de contraste que buscan comple-mentar el análisis para mayor robustez, las dos submuestras principales buscan un equilibrio entremayor información y homogeneidad de las economías. La primera retoma a países que tengan unapoblación entre 4 y 8 millones de persona, al mismo tiempo que elimina aquellas economías cuyoPIB real, en PPP, sobresale en el extremo superior de la distribución, dejando un límite de 250 milmillones de dólares constantes de 2011. Esta submuestra, tiene una distribución de PIB real sesgadahacia la izquierda como se muestra en el Gráfico 6, El Salvador tiene un PIB real promedio de 25mil millones de dólares internacionales en PWT9.0, que se ubica en la parte con mayor representa-tividad del grupo de países seleccionados.

Los integrantes de la submuestra son los países de Congo, Costa Rica, Dinamarca, El Salvador,Finlandia, Honduras, Irlanda, Israel, Nueva Zelanda y Paraguay. La inclusión explícita de los condi-cionantes de los multiplicadores en las regresiones y la presencia de efectos fijos, permitió ponderarlas características que modifican la magnitud de los mismos, según la ecuación 7. Los resultadospara esta submuestra se presentan en las columnas 1 y 2 de los Cuadros1 y 2.

La submuestra cumple con el objetivo de corregir los cambios estructurales de las estimaciones sobrela muestra completa, indicando que no existe ganancia en la regresión si se realiza la segmentación


Pablo Amaya

Figura 6: Distribución del PIB real en poder de paridad de compra para submuestra de 4-8millones de población y PIB real menor a 250 mil millones.

Fuente: Cálculos del autor con base en PWT9.0.

de la submuestra elegida, por lo que los coeficientes son estables a lo largo de las economías quelo componen. (Ver anexo 4)

No obstante la representatividad de la primera submuestra, se decidió incluir una segunda paramayor control de los resultados, clasificando a las economías según su nivel de Ingreso, utilizandola clasificación de países del Banco Mundial, con datos a 2014 (final del período analizado), Boli-via, Congo, Egipto, El Salvador, Guatemala, Honduras, India, Kenia, Marruecos, Nigeria, Pakistán,Filipinas y Sri Lanka, países clasificados como de Ingreso Medio Bajo, que en su mayoría han man-tenido la clasificación desde 2010, excepto Sri Lanka que con datos a 2014, cambió de categoríade Ingreso Bajo a Ingreso Medio Bajo. Los resultados para este segundo agrupamiento son muysimilares a los obtenidos con la primera submuestra, los cuales se encuentran en las columnas 2 y3 del cuadros 1 y 2.

Las estimaciones para la muestra completa de Karras (2011) y Schwinn (2015) (62 economías), ensu mayoría muestra pequeñas diferencias con respecto a los obtenidos en las primeras dos estima-ciones, (columnas 4 y 5 de los cuadros 1 y 2), lo que representaría la ganancia del agrupamientopor economías menos heterogéneas.

Otras submuestras fueron construidas para contrastar las estimaciones del multiplicador, buscandoidentificar lo que ocurre con las estimaciones si la muestra completa se agrupa bajo otros criteriosde semejanza con la economía salvadoreña, de tal forma que los multiplicadores obtenidos de esassubmuestras adicionales aportarían mayor información respecto a si los mismos estarían siendo so-breestimados o subestimados por las submuestras principales.



Figura 7: Estructuras de valor agregado respecto al PIB. Promedio 2001-2015

Fuente: wdi.

Se optó por aislar a las economías de Guatemala, Honduras y El Salvador (Triángulo Norte), lasganancias en su conformación es la mayor cercanía geográfica, la proximidad entre las estructurasde valor agregado que generan encadenamientos similares entre sectores (véase gráfico 7), historiaeconómica compartida y en cierta medida por sus semejanzas institucionales. No obstante, sacri-fica información importante al contener únicamente a 3 economías aportando su experiencia conchoques fiscales.

Los resultados de las estimaciones reflejaron multiplicadores superiores a la unidad tanto en el corto(1.14) y el largo plazo (2.19), aportando algún nivel de evidencia que los multiplicadores obtenidospor las submuestras principales no estarían sobreestimados.

Otra submuestra buscó el control por nivel de deuda pública y espacio fiscal. La elección de losintegrantes de este nuevo agrupamiento estuvo basada en Moody´s (2016) donde se clasifican laseconomías según los niveles de acumulación de deuda pública a PIB y la participación de los in-tereses pagados por deuda en los ingresos del gobierno. La submuestra en este grupo se conformópor Uruguay, Colombia, Honduras, Costa Rica, Argentina y El Salvador, clasificados como econo-mías con alto o muy alto nivel de deuda pública y moderada o alta asequibilidad de la deuda 11.

11Moody´s (2016), pag. 7. Costa Rica con baja asequibilidad de la deuda


Pablo Amaya

Columnas 7 y 8 de los cuadros 1 y 2.

Dado que dicha submuestra incluye choques fiscales ocurridos durante el período 1950-2014, sepensó en controlarla adicionalmente por el tiempo, asumiendo que la condición de endeudamientoy liquidez de los países es una situación reciente, por tanto es ideal capturar la respuesta de estaseconomías ante choques de deuda en un entorno actual, para verificar si la submuestra larga estaríasobreestimando los multiplicadores pues sus choques también se dieron bajo probables escenarioscon suficiente holgura fiscal en el pasado. Columnas 9 y 10 de los cuadros 1 y 2.

Para todas las submuestras se presentan las estimaciones de mejor ajuste. Se confirma la alta sig-nificancia del shock contemporáneo a lo largo de todas las especificaciones, con signo positivo yniveles de por lo menos 0.5 en todas las muestras, incluso en las controladas por endogeneidad. Elcontrol por endogeneidad ayudó a calibrar las magnitudes de los coeficientes, robusteciendo las es-timaciones, ya que en ninguno de los casos los signos de los efectos cambian, siempre se mantienen.

Se observa que las hipótesis de la literatura se confirman en las muestras amplias, debido a la ma-yor representatividad de las economías. La apertura económica como condicionante negativo delmultiplicador, etapas expansivas del ciclo económico disminuyen la magnitud del multiplicador yla alta volatilidad de la gestión pública no permite la formación adecuada de expectativas en losagentes.

El resto de características no explícitas en la estimación como rigideces en los mercados laborales,el tipo de cambio, etc. están siendo capturadas, en parte, por los efectos fijos de la regresión 12 .Sobre la hipótesis de endeudamiento, la ausencia de series largas del stock de deuda de los países,en especial en El Salvador, conllevó a utilizar la estrategia de submuestra del panel. Las estima-ciones para las dos submuestras pertinentes a la deuda, no revelan una disminución de los efectosdel shock sobre el crecimiento, con respecto a las muestras controladas por población y PIB y laseconomías de Ingreso Medio Bajo.

El tema de la volatilidad, aunque algo novedoso en la literatura de los multiplicadores es un aspectoimportante a tomar en cuenta para la determinación de las políticas que afecten el gasto público.El efecto es marcadamente significativo y negativo en 2 de las 5 muestras.

De forma preliminar, los multiplicadores del gasto público estimados para un entorno reciente, fi-nal de la muestra de PWT9.0, promedio 2010-2014 (open: 0.564191782, gap: -0.002823483 ysigma: 0.004205079), dan cuenta de un multiplicador de impacto de entre 0.6 y 0.7; y 0.8 comomínimo en el largo plazo. (Cuadro 3)

12Se probó la inclusión de una medida de volatilidad del tipo de cambio nominal, con el intento de capturar el grado deflexibilidad de los regímenes cambiarios. Los resultados indican que la inclusión de manera explícita de la medida de tipode cambio, aunque presenta un signo coherente con la hipótesis de tipos flexibles y su efecto reductor del multiplicador,resulta no significativo en la submuestra principal. El anexo 5 contiene el detalle de las estimaciones realizadas.13La incorporación del GAP en la estimación de corto plazo (primera columna de cada muestra), resultó con un signo

contrario al esperado por la teoría, por lo que fue excluida en estas regresiones. Los efectos fijos de las muestras fueronconfirmados mediante Test de Hausman al 5%, rechazando la hipótesis nula de no especificación errónea bajo efectosaleatorios.



Tabla 1: Estimaciones de mejor ajuste sobre las muestras13

por efectos fijos transversales y de tiempo

Variable dependiente: Y

4-8pop Economías de Total Alto endeudamientoM250Kmill Ingreso Medio Bajo y similar espacio fiscal

1950-2014 1990-2014

economías→ 10 13 62 6 6

Ecuación 1

C 0,034 *** 0,040 *** 0,035 *** 0,032 *** 0,034 ***Choque Fiscal 0,709 *** 0,544 *** 0,871 *** 0,816 *** 0,767 ***G*SIGMA -5,382 *** -3,884 *** -5,347 ***G*OPEN -0,332 ***

Observaciones 569 744 3573 384 150R2 ajustado 0,203 0,140 0,242 0,273 0,390F- Estadístico 3,132 2,698 10,436 3,088 4,169Prueba deHausman (prob.)

0,008 0,008 0,000 0,001

Ecuación 7

C 0,023 *** 0,027 *** 0,025 *** 0,029 *** 0,026 ***Y(-1) 0,305 *** 0,190 *** 0,235 *** 0,135 ** 0,219 **Y(-2) 0,056 0,147 *** 0,065 *** -0,104 * -0,060Choque Fiscal 0,514 *** 0,479 *** 0,856 *** 0,620 *** 0,610 **Choque Fiscal (-1) 0,074 0,068 -0,170 *** 0,256 0,505 *Choque Fiscal (-2) -0,216 * -0,097 -0,132 ** 0,224 0,119G*SIGMA -5,328 *** -5,092 *** -6,139 ***G(-1)*SIGMA(-1) -0,536 0,111 2,352 **G(-2)*SIGMA(-2) 2,428 * 0,754 -0,029G*OPEN -0,450 ***G(-1)*OPEN(-1) 0,099G(-2)*OPEN(-2) 0,176G*GAP 5,281 *** 1,532 2,831 ***G(-1)*GAP(-1) -10,266 *** -9,984 *** -9,595 ***G(-2)*GAP(-2) -6,452 *** -5,555 *** -2,886 ***

Observaciones 549 718 3449 372 138R2 ajustado 0,350 0,294 0,333 0,310 0,447F- Estadístico 4,932 4,821 14,213 3,352 4,454

*** p<0.01 ** p<0.05 * p<0.10



Pablo Amaya

Tabla 2: Estimaciones de mejor ajuste sobre las muestras controladas por endogeneidad,efectos agregados, por efectos fijos transversales y de tiempo

4-8pop Economías de Total Alto endeudamientoM250Kmill Ingreso Medio Bajo y similar espacio fiscal

1950-2014 1990-2014economías→ 10 13 62 6 6

Ecuación 1

Efectos sin controlEfecto inercia 0.709 0.544 0.871 0.816 0.767Efecto gasto público -5.382 -3.884 -5.347Efecto volatilidad -0.332

Ecuación 13

c 0,022 *** 0,029 *** 0,027 *** 0,035 *** 0,025 ***Y(-1) 0,373 *** 0,239 *** 0,274 *** 0,122 ** 0,21 **Y(-2) 0,037 0,104 *** 0,045 *** 0,115 ** 0,047Choque Fiscal 0,642 *** 0,53 *** 0,826 *** 0,653 *** 0,732 **Choque Fiscal (-1) -0,038 0,046 -0,054 0,324 * 0,864 ***Choque Fiscal (-2) -0,114 -0,051 -0,042 0,419 ** 0,516 *G*SIGMA -8,324 *** -5,682 *** -5,571 ***G(-1)*SIGMA(-1) 1,017 0,148 2,001 **G(-2)*SIGMA(-2) 2,217 0,395 0,137G*OPEN -0,405 ***G(-1)*OPEN(-1) -0,049G(-2)*OPEN(-2) 0,052G*GAP 4,18 * -3,141 * 1,906 *G(-1)*GAP(-1) -2,603 4,776 *** -2,974 ***G(-2)*GAP(-2) -3,006 -4,025 ** 0,184Observaciones 529 692 3325 360 126R2 ajustado 0,292 0,22 0,313 0,33 0,432F- Estadístico 3,98 3,567 12,849 3,566 4,164

Efectos sin controlEfecto inercia 0,361 0,337 0,3 0,032 0,159Efecto gasto público 0,372 0,45 0,554 1,1 1,234Efecto volatilidad -3,436 -4,227 -3,817Efecto apertura -0,175Efecto brecha -11,438 -14,007 -9,651

Efectos controladosEfecto inercia 0,41 0,343 0,319 0,007 0,257Efecto gasto público 0,489 0,526 0,729 1,395 2,112Efecto volatilidad -5,09 -5,138 -3,432Efecto apertura -0,402Efecto brecha -1,428 -11,942 -0,884

*** p<0.01 ** p<0.05 * p<0.10




Tabla 3: Multiplicadores Fiscales por submuestra con efectos fijos transversales y de tiempo

Muestra 4-8pop Economías de Total Alto endeudamientoM250Kmill Ingreso Medio Bajo y similar espacio fiscal

1950-2014 1990-2014

economías→ 10 13 62 6 6

Plazo Corto Largo Corto Largo Corto Largo Corto Largo Corto LargoMuestra sin control 0.69 0.61 0.53 0.71 0.66 0.67 0.82 1.14 0.77 1.47Controlado por endogeneidad 0.80 0.82 0.72 1.41 2.84

Fuente: Cálculos del autor.

Los multiplicadores obtenidos para el caso de las submuestras principales (4-8 pop M250Kmill yEconomías de Ingreso Medio Bajo) son superiores a los obtenidos a partir de la muestra completa(Total). Lo que implica que los cambios estructurales de la muestra total tenían algún nivel de afecta-ción en la determinación de la magnitud de los multiplicadores de economías de menor desarrollo.El contraste con el Triángulo Norte sugiere que los obtenidos a partir de las submuestras principalesno están sobreestimados.

En cuanto al análisis de la deuda, la submuestra larga controlada por deuda pública y el espaciofiscal (1950-2014) no evidencia multiplicadores por arriba de los obtenidos a partir de la submues-tra corta (1990-2014), excepto en el multiplicador de corto plazo, cuyo nivel es ligeramente inferioren un contexto actual de endeudamiento de estas economías. Por lo que utilizar la muestra largacomo contraste de las submuestras principales, para abordar el aspecto de la deuda, no parecerepresentar algún problema de sobre estimación.

Al comparar las submuestras principales con respecto a las economías con alta deuda y similarespacio fiscal (muestra larga), situación que describe más a El Salvador que al resto de los países,los multiplicadores siguen siendo conservadores, en la medida que los multiplicadores obtenidos apartir de la información de las economías con mayor deuda y similar espacio fiscal, son de magnitudsuperior a los encontrados. Asimismo no se observa una combinación de multiplicadores positivosen el corto plazo y negativos en el largo plazo.

Los resultados derivados de otras investigaciones con menciones para El Salvador, Estevão y Sa-make (2013), Garry y Rivas Valdivia (2016), Karras (2011) y Schwinn (2015) –en el corto plazo-sugieren multiplicadores de magnitud menor a uno, discusión que se amplía más adelante, peroque junto con los elementos mencionados anteriormente ayudan a confirmar que la elección de unmultiplicador para El Salvador basados en la submuestras podría ser consistente.

Con base a lo anterior, la figura 8 muestra la función impulso-respuesta acumulada para las sub-muestras principales ante un choque en el gasto de consumo público, la magnitud de impacto delmultiplicador en El Salvador varía entre 0.6 y 0.69 por ciento en la producción ante un incrementodel gasto de consumo público del gobierno en 1 por ciento del PIB, con posibilidades de alcanzar,de forma acumulada, 0.8 en el largo plazo como mínimo. El efecto significativo se diluye a los 3años siguientes al choque.


Pablo Amaya

Figura 8: Función impulso respuesta. Submuestras controladas por población (4-8 millones)- nivel de PIB (250 mil millones) y Economías de Ingreso Medio Bajo. Valores acumulados.


Es importante hacer ver que los resultados de esta investigación podrán contrastarse con metodo-logías diferentes a medida se construyan series más largas o mediante el uso de estimaciones deconsumo público trimestral de la contabilidad nacional base devengado.

5 El multiplicador de la Formación Bruta de Capital Pública

Para realizar la estimación del multiplicador de la inversión pública, fue necesario construir una ba-se de datos con información externa a la del PWT9.0, pues la inversión pública no es una variableidentificable en dicha base de datos. La opción del VAR estructural no fue considerada pues el des-fase entre desembolso y ejecución de la inversión pública es más evidente en este caso, donde nose espera contar con una parte fija de dicho gasto que deba desembolsarse en tiempo (salario delos trabajadores públicos). Asimismo ya existen esfuerzos realizados por otros autores que realizaroneste tipo de estimaciones en frecuencia trimestral, Garry y Rivas Valdivia (2016), cuyos resultados sediscutirán más adelante, por lo que no se identificó un valor agregado a la misma que este docu-mento pueda aportar si se utiliza dicha metodología.

La búsqueda llevó a construir una base de datos con información proveniente de PWT9.0 com-plementada con información disponible en WDI del Banco Mundial sobre la Formación Bruta deCapital Fijo (FBKF) realizada por los gobiernos, donde el problema principal es la información irre-



gular incluso para un mismo país. La pérdida de registros fue catastrófica, de las 650 observacionesque se necesitaban para conformar el panel de la muestra controlada por población y nivel de PIB,solamente se lograron conseguir 87 datos, los cuales corresponden a series irregulares y únicamentedos países presentan una muestra útil para años recientes (Honduras y El Salvador), por lo tanto sedecidió incorporar a Guatemala, para tener una muestra total del panel de 75 observaciones.

Sobre la muestra obtenida se intentó realizar varias estimaciones basadas en la metodología plan-teada para el multiplicador del consumo público:

𝑦𝑖,𝑡 = 𝑧𝑖 + 𝑤𝑡 + 𝛽ip𝑖,𝑡 + 𝜖𝑖,𝑡 (14)

Dónde:

ip𝑖,𝑡 =fbkfppib𝑖,𝑡

× rgdpna𝑖,𝑡 − fbkfppib𝑖,𝑡−1

× rgdpna𝑖,𝑡−1


Con fbkfppib representando la FBKF pública como porcentaje del PIB, obtenida de la fuente WDI.

El resultado de su implementación es un multiplicador de impacto positivo pero cercano a cero,que podría o no explicar un efecto de desplazamiento de la inversión privada o simplemente ocultarun problema de representatividad del período. Cuando se corrió la especificación dinámica, losresultados no mejoraron, por el contrario los coeficientes para ip se volvieron estadísticamente cero(Cuadro 4).

Los resultados no aportan evidencia diferente a lo encontrado por Garry y Rivas Valdivia (ibíd.) parael caso de El Salvador, quienes encontraron resultados de impacto poco significativos para el país ypara el resto de la región Centroamericana, según ellos, posiblemente derivado de la baja asigna-ción de recursos destinados al gasto de capital en estos países. No obstante los resultados de cortoplazo, Garry y Rivas Valdivia (ibíd.) determinaron una contribución del gasto de capital, dólar pordólar, de magnitud 0.8 para el largo plazo.

6 Discusión de los resultados, límites de la investigación y compa-ración con otros estudios

Sobre el multiplicador del consumo público, lo que recogen los modelos se verifica con el compor-tamiento de la serie del consumo público y el PIB, la mayoría de veces en las que el gasto públicoincrementó o disminuyó, el PIB se ha comportado de la misma forma (con una clara excepción en2009), en línea con una política fiscal pro cíclica en la región, mencionada por Talvi y Végh (2000)14

. El uso de variables instrumentales ha demostrado que la relación positiva entre gasto del gobiernoy PIB no es casual ni endógena en su totalidad.

14Las conclusiones de estos autores podrían continuar siendo válidos para el caso de El Salvador. El coeficiente decorrelación para la serie de gasto de consumo público y PIB, ambos a precios constantes, es de 0.91 en el período de2001 a 2016.


Pablo Amaya

Tabla 4: Estimaciones sobre muestra PWT y WDI. Variable dependiente: 𝑌

Sample (adjusted): 1991 - 2014Periods included: 24Cross-sections included: 3Total panel (balanced) observations: 72

Variable Coefficient Std. Error t-Statistic Prob.

Cc 0.034573 0.002368 14.60154 0.0000IP 0.005145 0.002523 2.039075 0.0452

Sample (adjusted): 1993 - 2014Periods included: 22Cross-sections included: 3Total panel (balanced) observations: 66


Cc 0.023637 0.005930 3.986038 0.0002Y(-1) 0.256565 0.126324 2.031005 0.0467Y(-2) 0.037968 0.125640 0.302199 0.7635IP 0.002604 0.003039 0.856891 0.39491P(-1) 0.001125 0.002661 0.422977 0.6738IP(-2) -0.002863 0.002693 -1.062917 0.2921




Tabla 5: Correlaciones entre gasto corriente en consumo del SPNF mensual y los canalespara el desplazamiento del gasto privado.

Variable dependiente/Explicativa Gasto corriente en consumot t-1 t-2 t-3 t-4 t-5

Monto de créditos colocados a empresas y personasnaturales

0.53 *** 0.18 ** 0.22 *** 0.35 *** 0.28 *** 0.30 ***

Tasa de interés activa hasta un año plazo -0.35 *** -0.34 *** -0.32 *** -0.33 *** -0.35 *** -0.34 ***Tasa de interés activa a más de un año plazo 0.31 *** 0.47 *** 0.44 *** 0.42 *** 0.43 *** 0.46 ***Índice de tipo de cambio real -0.05 -0.12 -0.07 -0.02 -0.02 -0.00

*** p<0.01 ** p<0.05 * p<0.10


Los resultados son multiplicadores positivos por debajo de uno, no obstante existen indicios que losmismos podrían ser superiores en el largo plazo. Multiplicadores en este sentido podrían tener ca-bida en un contexto donde una buena parte de la población no tiene acceso al mercado financieropara suavizar el consumo, tal como lo demuestra Galí, López-Salido y Vallés (2005), los multiplica-dores tienden a ser mayores ante restricciones en el acceso al sistema financiero que no permiten laoptimización intertemporal del consumo. En El Salvador el número de personas de 15 y más añoscon acceso a una cuenta bancaria es de apenas 34.6%, según datos del Banco Mundial para elaño 2014.

Otro elemento importante para la discusión se deriva de lo descrito en el cuadro 5, el análisis decorrelación entre los canales generadores del desplazamiento del gasto privado y el gasto públi-co mensual base caja 15 genera señales mixtas, indicando que no hay evidencia de apreciacionesreales importantes cuando el gasto público se incrementa (correlaciones estadísticamente cero), niuna correlación positiva entre tasa de interés (menor a un año plazo) y la variación del gasto públi-co, tampoco de un desplazamiento de los montos de créditos otorgados a empresas y personas porparte del sector financiero; no obstante, se encontró una correlación positiva entre el gasto corrientey la tasa de interés a más de un año plazo.

El análisis anterior sugiere que los canales para el desplazamiento de la inversión y el consumoprivado 16, y el de pérdida de competitividad de las exportaciones, no parecen funcionar de formacontundente en la economía salvadoreña, o podrían tener menos fuerza para frenar el impulso delgasto público sobre el PIB; lo que refuerza la hipótesis de una elección conservadora de los multi-plicadores en este estudio.

Para formalizar lo descrito anteriormente, se corrió un panel sobre la muestra controlada por pobla-ción, y mínimos cuadrados ordinarios (MICO) para la serie de El Salvador de forma independiente.La especificación incluyó al crecimiento del consumo privado como dependiente versus el choque

15En este caso, el análisis de correlación cobra más sentido si se utilizan los registros base caja de los gastos del SPNF,en la medida que cuando el GOES ejecuta el pago a proveedores recurre a la liquidez interna, ya sea disminuyendo susdepósitos en el sistema financiero o adquiriendo pasivos, y por tanto activa los canales para el desplazamiento del gastoprivado. Algo que no necesariamente debe ocurrir en el momento devengado16𝑐𝑝𝑖,𝑡 = csh_g𝑖,𝑡×rgdpna𝑖,𝑡−csh_g𝑖,𝑡−1×rgdpna𝑖,𝑡−1

rgdpna𝑖,𝑡−1


Pablo Amaya

Tabla 6: Estimaciones sobre el consumo privado.

Variable dependiente Consumo privado FBK Privado

Muestra 4-8pop M250Kmill - 10 Economías El Salvador El Salvador

Efectos Fijos transversales y de tiempo MICO MICO

C 0.004 ** 0.003 -0.001 0.000 -0.009 ** -0.010 *CP(-1) 0.044 0.050CP(-2) -0,125 *** -0.188G 0.093 0.095 1.688 *** 1.675 *** 0.093 0.056G(-1) -0,147 ** -0.005 -0.086G(-2) 0.010 0.506Y 0.482 *** 0.486 *** 0.921 *** 1.028 *** 0.519 *** 0.612 ***Y(-1) -0.045 -0.173 -0.052Y(-2) 0.119 *** 0.165IPR(-1) -0.228IPR(-2)

Observaciones 609 589 62 60 24 23R2 ajustado 0.429 0.344 0.596 0.572 0.538 0.549F- Estadístico 1304.713 5.052 45.934 10.840 14.401 6.348

*** p<0.01 ** p<0.05 * p<0.10


del gasto público instrumental (libre de endogeneidad). El resultado se muestra en el cuadro 6, enprimera instancia, parece que en la muestra controlada por población, no existe una relación sig-nificativa entre consumo público y consumo privado, no obstante la regresión dinámica indica queel gasto de consumo público del año anterior podría tener un efecto de desplazamiento del consu-mo privado presente, para el panel de 10 economías similares. Cuando se corrió la estimación deMICO para El Salvador el efecto negativo pierde significancia, y el efecto contemporáneo resultapositivo y significativo, en línea con lo obtenido por el análisis de las correlaciones.

Para evaluar el desplazamiento de la inversión privada, se corrió un modelo para 1990-2014, don-de la serie de inversión privada fue tomada de fuente BCR, incluyéndola en el panel de datos delPWT. La regresión también utiliza el choque instrumental. Las regresiones mostradas en el cuadro6 (FBK privada) tampoco indican algún tipo de relación significativa entre el shock y la inversiónprivada.

Los multiplicadores obtenidos en este documento son próximos a los derivados de Karras (2011)(para países con apertura de 50%), Schwinn (2015), así como con Garry y Rivas Valdivia (2016)en el efecto de largo plazo (1.3), la discrepancia en el corto plazo con dicha investigación podríaexplicarse por el uso de registros base caja.

En el caso de Estevão y Samake (2013) hay coincidencia en el signo del multiplicador de impacto,pero discrepancia en su magnitud; asimismo hay discrepancia en el signo y magnitud del multipli-



cador de largo plazo.

Respecto a los límites de la investigación, aunque los multiplicadores encontrados se sostienen a laluz de la discusión de este apartado, es válido decir que el efecto positivo en el PIB esperado poruna consolidación fiscal en un contexto de alto endeudamiento (en una situación extrema), podríano estar recogido del todo en la muestra específica del país, por lo que concluir que dicho argu-mento teórico no se aplicaría en El Salvador en una situación de endeudamiento extremo, con basea lo trabajado en este documento, sería inapropiado. Refutar dicho argumento requeriría de mayorinvestigación en línea con lo realizado por Guajardo, Leigh y Pescatori (2011) y Favero, Giavazziy Perego (2011).

7 Reflexiones finales

El multiplicador de impacto del consumo público ronda entre 0.6 y 0.69 ante un incremento delgasto en 1 por ciento del PIB y puede alcanzar 0.8 en el largo plazo. El uso de las submuestras decontraste permitió validar que las magnitudes elegidas no sobreestiman el multiplicador. La discu-sión de los resultados sugiere que el efecto de una población restringida de liquidez podría estardetrás de multiplicadores con dicha magnitud, ante un efecto de desplazamiento del gasto privadoque no se devela con claridad.

El multiplicador de la inversión pública es una pregunta no resuelta en esta investigación debi-do a la limitada información disponible, obteniendo únicamente evidencia del modesto aporte querealiza este tipo de inversión al crecimiento de corto plazo debido a una baja magnitud de la misma.

Algunas lecciones importantes se confirman para el caso de economías como la de El Salvador, silas políticas fiscales expansivas, basadas en gasto público, se acompañan con una estrategia defomento al consumo de productos nacionales, la mayor transferencia de ingresos hacia los hogarespodría impulsar aún más el crecimiento económico; los momentos de ajuste son importantes, enépocas de expansión del ciclo económico, el efecto en el crecimiento es menor, no así en épocasde contracción, donde el impacto en la economía es mayor; y la gradualidad en la gestión de lapolítica es importante para la formación de expectativas adecuadas en los agentes que ayudan almultiplicador.

Por lo anterior, en el contexto fiscal actual, que exige un conjunto de medidas de política fiscalrestrictiva, escoger el momento adecuado para el ajuste toma sentido, como una recomendaciónsensata para la toma de decisiones. Si se decidiera hacer un recorte sobre el consumo público (sa-larios y compras de bienes y servicios) la medida podría tener un efecto de hasta 0.8 de sacrificiode crecimiento del PIB de forma acumulada, distribuidos en el año del choque y los dos años inme-diatos al recorte.

Los resultados de esta investigación contribuyen a la discusión técnica sobre el impacto de la polí-tica fiscal en la economía, proporcionando multiplicadores que ayudan a dimensionar el impactoaproximado del uso del gasto público en el país, como uno de los instrumento de política fiscal


Pablo Amaya

capaz de modificar el ciclo económico en tal magnitud. No obstante, dada la alta sensibilidad delas magnitudes de los multiplicadores a la metodología de estimación y el tratamiento de los datos,el uso de los multiplicadores de esta investigación no debe estar ajeno a la discusión en contrastecon los resultados de otras investigaciones.

En cuanto a la inversión pública, es necesario continuar investigando alternativas de estimación, ala luz del cambio de año base de la contabilidad nacional en El Salvador. En esta misma línea, laagenda de investigación futura también debe incluir una estimación de los multiplicadores fiscalesasociados al ingreso disponible (Impuestos y transferencias corrientes).

Referencias

Afonso, António (2006). Expansionary fiscal consolidations in Europe. New Evidence. Inf. téc. Wor-king paper No. 675. Banco Central Europeo.

Alesina, Alberto y Silvia Ardagna (2010). Large changes in fiscal policy: taxes versus spending. Inf.téc. Documento de trabajo 15438. National Bureau of Economic Research.

Almunia, Miguel y col. (2009). From Great Depression to Great Credit Crisis: Similarities, Differencesand Lessons. Inf. téc. Documento de trabajo 15524. National Bureau of Economic Research.

Auerbach, A.J. e Y. Gorodnichenko (2010). Measuring the output responses to fiscal policy. Inf. téc.Documento de trabajo No. 16311. National Bureau of Economic Research.

Barrell, R., D. Holland e I. Hurst (2012). Fiscal Consolidation: Part 2. Fiscal Multipliers and FiscalConsolidations, inf. téc. Working Paper No. 933. OECD Economics Department.

Barro, Robert J y Charles J Redlick (2011). “Macroeconomic effects from government purchases andtaxes”. En: The Quarterly Journal of Economics 126.1, págs. 51-102.

Batini, N., G. Callegari y G. Melina (2012). Successful Austerity in the United States, Europe andJapan. Inf. téc. Documento de trabajo No. 12/190. Fondo Monetario Internacional.

Batini, N., L. Eyraud y col. (2014). Fiscal Multipliers: Determinants and use in Macroeconomic Pro-jections. Inf. téc. Notas técnicas y manuales. Fondo Monetario Internacional.

Blanchard, Olivier y Roberto Perotti (2002). “An empirical characterization of the dynamic effects ofchanges in government spending and taxes on output”. En: the Quarterly Journal of economics117.4, págs. 1329-1368.

Born, Benjamin, Falko Juessen y Gernot Müller (2012). “Exchange rate regimes and fiscal multi-pliers”. En: Fiscal Policy in the Aftermath of the Financial Crisis. Comisión Europea.

Cole, Harold L y Lee E Ohanian (2004). “New Deal policies and the persistence of the Great Depres-sion: A general equilibrium analysis”. En: Journal of political Economy 112.4, págs. 779-816.

Estevão, M. e I. Samake (2013). The Economic Effects of Fiscal Consolidation with Debt Feedback.Inf. téc. Documento de Trabajo. Fondo Monetario Internacional.

Favero, Carlo, Francesco Giavazzi y Jacopo Perego (2011). “Country heterogeneity and the inter-national evidence on the effects of fiscal policy”. En: Fondo Monetario Internacional.

Feenstra, Robert C., Robert Inklaar y Marcel P. Timmer (2015). “The Next Generation of the PennWorld Table”. En: American Economic Review.

FMI (2010). “Will it hurt? Macroeconomic effects of fiscal consolidation”. En: IMF World EconomicOutlook.



Galí, J., J.D. López-Salido y J. Vallés (2005). Understanding the effects of government spending onconsumption. Inf. téc. Working Paper 11578. National Bureau of Economic Research.

Garry, Stefanie y Juan Carlos Rivas Valdivia (2016). “An analysis of the contribution of public expen-diture to economic growth and fiscal multipliers in Mexico, Central America and the DominicanRepublic, 1990-2015”. En:

Guajardo, Jaime, Daniel Leigh y Andrea Pescatori (2011). Expansionary Austerity: New InternationalEvidence. Inf. téc. IMF Working Paper 11/158, Washington: International Monetary Fund.

Hall, Robert E (2009). By how much does GDP rise if the government buys more output? Inf. téc.Working Paper 15496. National Bureau of Economic Research.

Ilzetzki, Ethan, Enrique G Mendoza y Carlos A Végh (2011). How big (small?) are fiscal multipliers?Inf. téc. Documento de trabajo No. 11/52. Fondo Monetario Internacional.

Karras, Georgios (2011). “Trade openness and the effectiveness of fiscal policy: some empiricalevidence”. En: International Review of Economics 59.3, págs. 303-313. issn: 1865-1704.

Larski, Stanislav (2012). “The problem of model selection and scientific realism”. Tesis doct. TheLondon School of Economics y Political Science (LSE).

Moody´s (2016). Sovereigns – Latin America and the Caribbean. Mixed RatingOutlook Reflects LowerTrend Growth and Moderate Fiscal Space. Inf. téc.

Perendia, George, Chris Tsoukis y col. (2012). “The Keynesian multiplier, news and fiscal policy rulesin a DSGE model”. En: Centre pour la recherche economique et ses applications Dynare WorkingPaper 25.

Perotti, Roberto, Ricardo Reis y Valerie Ramey (jun. de 2007). “In search of the transmission me-chanism of fiscal policy [with comments and discussion]”. En: NBER macroeconomics AnnualDocumento de trabajo 13143.

Perry, Nathan y Matías Vernengo (2011). What Ended the Great Depression?. Reevaluating the Roleof Fiscal Policy. Inf. téc. Working Paper No. 678. The Levy Economics Institute, págs. 75-97.

Restrepo, Jorge E y Hernán Rincón (2006). Identifying fiscal policy shocks in Chile and Colombia.Inf. téc. Working Paper No. 397. Banco de la República de Colombia.

Schwinn, Richard T (2015). “Fiscal Volatility Diminishes Fiscal Multipliers”. Tesis doct. University ofIllinois at Chicago.

Talvi, Ernesto y Carlos Végh (2000). Tax Base Variability and Procyclical Fiscal Policy. Inf. téc. WorkingPaper 7499. National Bureau of Economic Research.

Tiscordio Lazo, Ina y Elizabeth Bucacos (jun. de 2008). Efectos de la política fiscal en Uruguay: unanálisis a través de shocks fiscales. Inf. téc. Banco Central de Uruguay.


Pablo Amaya

Anexo 1. Selección de rezagos para submuestra de economías simi-lares a la de El Salvador (4-8 millones de población y menos de 250mil millones de PIB en ppp)

Para la selección de rezagos se utilizó los criterios de información calculados por Eviews para lasespecificaciones perteneciente a la submuestra principal, un horizonte de evaluación de 4 años fueconsiderado adecuado para el análisis del impacto del gasto de consumo público sobre el creci-miento. EViews calcula los criterios de información de la forma siguiente:

Criterio de información de Akaike

𝐴𝐼𝐶 = −2 𝑙𝑛 + 2𝑘

𝑛Criterio de Schwarz

𝑆𝐶 = −2 𝑙𝑛 + 𝑘 ln(𝑛)

𝑛Criterio de Hannan-Quinn

𝐻𝑄 = −2 𝑙𝑛 + 2𝑘 ∗ 𝑙𝑛 ln(𝑛)

𝑛Donde “𝑙” es el estadístico de máxima verosimilitud, “𝑛”es el tamaño de la muestra y 𝑘 es el númerode parámetros. La elección de 2 rezagos en los modelos fue confirmada por dos de los criterios, SCy HQ. La prueba se realizó utilizando el choque del gasto público libre de endogeneidad:

Figura 9: Criterios de información para la selección de rezagos para submuestra de eco-nomías similares a la de El Salvador

Fuente: Fuente: cálculos del autor



Anexo 2.

Tabla 7: Economías incluidas en la muestra de Karras (2011) y Schwinn (2015). Promediosreportados con base a los datos actualizados de PWT9.0

Todos los datos están en porcentajes

País y g País y g

Argentina 2,87 0,291 Japón 4,67 0,664Australia 3,58 0,563 Kenia 3,96 0,674Austria 3,25 0,499 Luxemburgo 3,51 0,533Bélgica 2,76 0,628 Mauricio 3,94 0,768Bolivia 2,74 0,545 México 4,40 0,590Brasil 4,87 0,779 Marruecos 4,41 1,219Canadá 3,47 0,603 Países Bajos 3,21 0,625Chile 4,14 0,769 Nueva Zelanda 2,90 0,577China 6,22 1,188 Nigeria 4,62 0,905Colombia 4,30 0,584 Noruega 3,28 0,582Congo 4,80 1,055 Pakistán 4,80 0,783Costa Rica 5,20 0,841 Panamá 5,74 0,844Chipre 4,55 0,528 Paraguay 4,40 0,467Dinamarca 2,54 0,639 Perú 4,02 0,668República Dominicana 5,41 0,699 Filipinas 4,55 0,611Ecuador 4,63 0,830 Portugal 3,53 0,650Egipto 5,44 1,603 República de Corea 6,97 0,826El Salvador 3,24 0,521 Sudáfrica 3,34 0,565Etiopía 4,56 0,694 España 3,96 0,602Finlandia 3,24 0,659 Sri Lanka 4,88 1,228Francia 3,17 0,630 Suecia 2,67 0,672Alemania 3,35 0,525 Suiza 2,61 0,192Grecia 3,29 0,525 Taiwán 7,44 1,553Guatemala 3,89 0,436 Tailandia 6,14 1,150Honduras 3,67 0,506 Trinidad y Tobago 4,39 0,602Islandia 3,94 0,819 Turquía 5,00 0,762India 5,14 0,800 Uganda 4,37 0,515Irlanda 3,83 0,581 Reino Unido 2,40 0,459Israel 6,09 1,839 Estados Unidos 3,18 0,389Italia 3,10 0,490 Uruguay 2,49 0,373Jamaica 2,34 0,441 Venezuela 3,88 0,851



Pablo Amaya

Anexo 3. Prueba de Quandt-Andrews para puntos de quiebre desco-nocidos sobre muestra completa.

Es una prueba basada en Andrews (1993), Andrews and Ploberger (1994) y Hansen (1997); queconsiste en identificar, mediante pruebas de Chow aplicadas a regresiones sobre submuestras su-cesivas, si existe algún punto de la serie cuya estimación de los segmentos que se generan porseparado (a partir de dicho punto) proporcionan una ganancia en el ajuste de la regresión, com-parado con el ajuste de la estimación sobre la muestra completa sin segmentar.

La prueba utiliza tres estadísticos que permiten evaluar la hipótesis nula de ausencia de quiebreestructural:

max𝐹 = max𝑡1<𝑡<𝑡2

𝐹𝑡

𝑎𝑣𝑒𝐹 = 1𝑡1 − 𝑡2 + 1

𝑡2

∑𝑖=𝑡1

𝐹𝑖

𝑒𝑥𝑝𝐹 = log( 1𝑡1 − 𝑡2 + 1 +

𝑡2

∑𝑖=𝑡1

𝑒𝑥𝑝(0.5 × 𝐹𝑖))

Para la aplicación de la prueba en estructuras de panel se tuvo que prescindir de los efectos fijostransversales y de tiempo, debido a que Andrews (1993, 2003) calculó los valores críticos asintóti-cos de la distribución de sus estadísticos de prueba, considerando como máximo un número de 30parámetros en las estimaciones. Dicho límite es superado con creces cuando las estimaciones serealizan con efectos fijos, para el caso de las muestras utilizadas 17.

El procedimiento utiliza las rutinas disponibles en el software Ewiews 9.0, este software no tiene dis-ponible la prueba para estructuras de panel, por lo que fue necesario trabajarlo en un archivo sinestructura, realizando un ordenamiento de la muestra en función del PIB de cada uno de los países,siendo esta la variable de interés que puede representar cambios importantes en los fundamentos delas economías. L as regresiones iniciaron a partir de la observación en el percentil 15 y finalizaronen la observación del percentil 85, como es usual para esta prueba. Las estimaciones fueron con-frontadas en paralelo, programando la rutina en macros de Excel, llegando a resultados idénticospara mayor certeza de lo realizado.

La prueba para la muestra completa de 62 economías confirmó la presencia de cambio estructuralen la observación 1,326.

17Existen investigaciones previas que realizaron la prueba de la forma descrita. Ver Schwinn (2015)



Tabla 8: Resultados de la prueba de Quandt-Andrews para la muestra completa de 62economías.

Quandt-Andrews unknown breakpoint testHypothesis: No breakpoints within 15% trimmed dataVarying regressors: All equation variablesSample: 13325Test Sample: 500 2827Number of breaks compared: 2328

Statistic Value Prob.

Maximum LR F-statistic (Obs. 1326) 6,83660,0000

Maximum Wald F-statistic (Obs. 1326) 75,20310,0000

Exp LR F-statistic 1,90840,0000

Exp Wald F-statistic 31,87230,0000

Ave LR F-statistic 3,73420,0000

Ave Wald F-statistic 41,07570,0000

Note: probabilities calculated using Hansen’s (1997) method

Fuente:Cálculos del autor.


Pablo Amaya

Anexo 4. Prueba de Quandt-Andrews para puntos de quiebre desco-nocidos sobre submuestra de economías similares a la de El Salvador.

El procedimiento para aplicar el test fue el mismo que el realizado para la muestra completa, expli-cado en el anexo 3, los resultados se muestran a continuación e indican que no existe ganancia ensegmentar la submuestra elegida:

Tabla 9: Test de Quandt-Andrews para puntos de quiebres desconocidos sobre submuestrade economías similares a la de El Salvador.

Quandt-Andrews unknown breakpoint testNull Hypothesis: No breakpoints within 15% trimmed dataVarying regressors: All equation variablesEquation Sample: 1529Test Sample: 81450Number of breaks compared: 370

Statistic Value Prob.

Maximum LR F-statistic (Obs: 217) 1,3926490,7977

Maximum Wald F-statistic (Obs, 217) 15,319140,7977

Exp LR F-statistic 0,3815750,9397

Exp Wald F-statistic 4,9388180,8384

Ave LR F-statistic 0,7502520,8091

Ave Wald F-statistic 8,2527720,8091

Note: probabilities calculated using Hansen’s (1997) methodFuente: Cálculos del autor.

Dado que la prueba de cambio estructural se realizó prescindiendo de los efectos fijos, se verificóla robustez de la prueba acotando aún más la submuestra principal a países con población entre4 y 8 millones y PIB no mayor a 100 mil millones en ppp (el doble de la producción de El Salva-dor), lo que sacrificó la información de 5 economías, quedando únicamente Paraguay, Honduras,El Salvador, Costa Rica y Congo , el resultado no presentó cambios importantes a los obtenidos enla submuestra original. Los multiplicadores obtenidos incrementaron ligeramente, tanto en el cortoy en el largo plazo.



Anexo 5. Inclusión de los regímenes cambiarios en las estimacionesde la submuestra principal.

Se diseñó una forma de capturar la gran variedad de regímenes cambiarios que existen entre losextremos fijos y flexibles, la cual se amplifica al buscar la historia de los países incluidos en lasmuestras. La estrategia consistió en calcular una desviación estándar del tipo de cambio nominalincluido en PWT9.0 (𝑥𝑟) de los k períodos anteriores al choque como evidencia de los regímenespredominantes en el momento cercano al cambio en el gasto público. La volatilidad elevada es en-tonces un ejemplo de regímenes con alta flexibilidad y una volatilidad cero es un régimen de tipo decambio fijo en el otro extremo. Todos los valores de desviación estándar entre el mínimo y máximode volatilidad, representan regímenes cambiarios intermedios entre fijos y flexibles.

La ecuación mostrada a continuación resume el procedimiento, la cual fue calculada con 𝑘=6 y𝐾=3 tomando de referencia los períodos de la volatilidad del gasto público (𝜎), en el caso de 6períodos (𝑇𝐶6) y 3 para una medida intermedia (𝑇𝐶3).

Las regresiones estimadas muestran resultados similares en los parámetros de las regresiones origi-nales para la submuestra principal, la inclusión de la variable de forma explícita resulta no signifi-cativa en la mitad de las estimaciones y cuando logra ser significativa, aunque su signo es correcto,su valor es muy cercano a cero. Ver cuadros siguientes:


Pablo Amaya

Tabla 10: Regresión 1

Dependent Variable: YMethod: Panel Least SquaresSample (adjusted): 1957 2014Periods included: 58Cross-sectionsincluded: 10Total panel (unbalanced) observations: 569


C 0,034,249 0,001624 21,08427 0,0000G 0,752909 0,119312 6,310452 0,0000G*SIGMA -4,290273 1,569202 -2,734047 0,0065G*TC_6 -0,002548 0,001154 -2,207992 0,0277

Effects Specification

Cross-section fixed (dummy variables) R-squared 0.305523Period fixed (dummy variables) Adjusted 0.209493

Dependent Variable: YMethod: Panel Least SquaresSample (adjusted): 1961 2014Periods induded: 54Cross-sectionsincluded: 10Total panel (unbalanced) observations: 529

Variable Coefficient Std.Error t-Statistic Prob.

C 0,022148 0,002546 8,698353 0,0000Y(1) 0,366301 0,047594 7,696398 0,0000Y(-2) 0,039324 0,047996 0,819317 0,4130G_U 0,655355 0,126883 5,165014 0,0000G_U(-1) -0,022084 0,133044 -0,165991 0,8682G_U(-2) -0,107745 0,127166 -0,84728 0,3973G_U*SIGMA_U -7,727768 2,298612 -3,361928 0,0008G_U(-1)*SIGMA_U

1478741 2,374995 0,622629 0,5338

G_U(-2)*SIGMA_U

1836474 2,130568 0,861965 0,3892

G_U*GAP 4,368217 2,336296 1,869719 0,0622G_U(-1)*GAP(-1) -2,427259 2423831 -1,001414 0,3172G_U(-2)*GAP(-2) -2,79611 2,440654 -1,14564 0,2526G_U*TC_6 -0,000977 0,001072 -0,911391 0,3626G_U(-1*TC_6f(-1) -0,000657 0,001124 -0,584345 0,5593G_U(-2)*TC_6(-2) 0,000321 0,001077 0,297613 0,7661


Cross-section fixed (dummy variables) R-squared 0,392159Period fixed (dummy variables) Adjusted R-square 0,289956




Tabla 11: Regresión 2

Dependent Variable: YMethod: Panel Least SquaresSample (adjusted): 1957 2014Periods included: 58Cross-sectionsincluded: 10Total panel (unbalanced) observations: 569


C 0,03437 0,001633 21,04564 0,00000G 0,703623 0,118682 5,928622 0,00000G*SIGMA -5,650587 1,587354 -3,559752 0,00040G*TC_3 0,000767 0,001517 0,505873 0,61320



Dependent Variable: YMethod: Panel Least SquaresSample (adjusted): 1961 2014Periods induded: 54Cross-sectionsincluded: 10Total panel (unbalanced) observations: 529


C 0,022278 0,002524 8,825415 0,00000Y(-1) 0,36914 0,047143 7,83021 0,00000Y(-2) 0,03464 0,047614 0,727527 0,46730G_U 0,584487 0,127839 4,572055 0,00000G_Uu(-1) -0,00634 0,132405 -0,047886 0,96180G_Uu(-2) -0,130416 0,125716 -1,037385 0,30010G_U*SIGMA_U -7,17744 2,339575 -3,067839 0,00230G_U(-1)*SIGMA_U

1,87543 2,334845 0,803235 0,42230

G_U(-2)*SIGMA_U

1,114767 2,148373 0,518889 0,60410

G_U*GAP 4,590926 2,340862 1,961212 0,05050G_U(-1)*GAP(-1) -2,721415 2,415737 -1,126536 0,26050G_U(-2)*GAP(-2) -3,400977 2,432922 -1,397898 0,16280G_U*TC_3 0,000505 0,001432 0,352799 0,72440G_U(-1)*TC_X(-1) -0,00259 0,001527 -1,695784 0,09060G_U(-2)*TC_X(-2) 0,0033 0,001462 2,256529 0,02450






Volumen I, 2020

Reformas Fiscales en EE.UU. y flujos deIED en Centroamérica y la RepúblicaDominicanaAriadne M. Checo y Francisco A. Ramírez1

ResumenEste trabajo contribuye al estudio del impacto de los cambios en el régimen tributario de EE.UU. sobrela Inversión Extranjera Directa (IED) en las economías de Centroamérica y la República Dominicana.Analizando datos del volumen y reinversión de los flujos de IED, se estima el impacto esperado delos cambios en la estructura tributaria en EE.UU. de 2017 sobre el retorno relativo descontado delos impuestos y se simula la variación de la IED necesaria para acomodar el reajuste en la tasa deretorno. Los resultados muestran que las elasticidades estimadas son estadísticamente significativas,y se ubican en un rango relativamente amplio que va desde 0.07 a 1.15 para estas economías.Respecto al impacto sobre los flujos de capitales, los resultados revelan efectos limitados sobre losflujos hacia la región, no obstante, de carácter permanente, sugiriendo un nivel de equilibrio menoral vigente antes de la reforma.

Clasificación JEL: F290, F370, H870.Palabras clave: Inversión Extranjera Directa, reinversión de utilidades, flujos de capitales, régimentributario, mínimos cuadrados ordinarios, simulación.

1 Introducción

Para las economías de Centroamérica y la República Dominicana (CARD), Estados Unidos (EE.UU.)funge como el principal socio comercial y el origen de flujos de capitales registrados, siendo laInversión Extranjera Directa (IED) el mayor componente de estos flujos (Figura 1).

La importancia de los vínculos comerciales y financieros de este conjunto de economías con EE.UU.ha sido documentada en la literatura económica (empírica) reciente.2

No obstante, el análisis del impacto de los cambios de políticas macroeconómicas en esta economíasobre el crecimiento, los flujos comerciales y la IED, permanece poco explorado.

1Subdirección de Estudios Económicos. Para comentarios [email protected] / [email protected] mencionar, sin ser exhaustivos, algunos estudios recientes en dimensiones como: Intercambio comercial: Banco

Mundial (2005), Rojas-Romagosa (2017) y Rojas-Romagosa, Francois, Rivera y col. (2008); condiciones macroeconómi-cas: Checo, Pradel y Ramírez (2015); IED: Pérez y Morla (2013).

169




Ariadne M. Checo y Francisco A. Ramírez

Entre los temas ausentes en la literatura destaca el impacto de cambios en la estructura tributaria,particularmente en lo relativo al tratamiento impositivo de la inversión doméstica y en el extranjero.Por ejemplo, la reciente reforma impositiva de 2017, contempló la reducción permanente del im-puesto corporativo de 35% a 21% y la reducción del impuesto sobre las repatriaciones de utilidadesde 35% a 0% en EE.UU. Acorde con la literatura (Young 1988), la primera medida hace que losproyectos de inversión de las empresas en EE.UU. sean más rentables en términos relativos, mientrasque la segunda aumenta el precio relativo de la reinversión de utilidades. Por tanto, ambas medidassugieren efectos negativos para los flujos de IED hacia la región.

En ese sentido, este trabajo contribuye al estudio de los impactos sobre la IED de los cambios enel régimen tributario en EE.UU. sobre las economías de Centroamérica y la República Dominicana.Analizando datos del volumen y reinversión de los flujos de IED, se estima el impacto esperadode los cambios en la estructura tributaria en EE.UU. sobre el retorno relativo descontado de los im-puestos y se simula la variación de la IED necesaria para acomodar el reajuste en la tasa de retorno.

Los resultados sugieren un efecto limitado de las reformas impositivas de EE.UU. en los flujos decapitales hacia las economías de CARD, aunque con efectos que podrían ser permanentes. El restodel documento está organizado de la siguiente manera. En la sección 2 se presenta la revisión deliteratura, la sección 3 muestra la estrategia econométrica utilizada, mientras que la sección 4 con-tiene la descripción de los datos empleados. La sección 5 presenta las estimaciones y el ejercicio desimulación donde se evalúa, a la luz de los parámetros estimados, el impacto de la reforma fiscalreciente (2017) en EE.UU.

2 Contacto con la literatura

La literatura sobre el impacto de las estructuras impositivas (en particular, de impuestos corporativos)sobre los flujos de IED se enfoca en los determinantes de estos flujos y su dirección entre territoriosque compiten por la misma. Se identifican resultados heterogéneos en la relación entre impuestoscorporativos e IED. Tal como señalan Tavares-Lehmann, Coelho y Lehmann (2012), la comparabili-dad de estudios sobre este renglón requiere tomar en cuenta la heterogeneidad en las medidas deimpuestos y de IED usado en las estimaciones.

De la literatura cuantitativa existente queda claro que a pesar de que la estructura impositiva es unfactor importante, no es el principal factor detrás de la determinación de los flujos de IED. Es decir,no hay una respuesta inequívoca de que menos impuestos incrementan la atracción de IED.

No obstante, no es menor el número de estudios donde se identifica un impacto estadísticamentesignificativo. Entre estos destacan Hartman (1984), Swenson (1998), Hines Jr (1996) y De Mooijy Ederveen (2001, 2008) , quienes documentan efectos no despreciables de los cambios o diferen-cias en estructuras de impuestos corporativos sobre la IED. Asimismo, todos estos autores explicanque la dificultad en estimar radica en la complicación de encontrar una medida que tome en cuentala complejidad del sistema de impuestos a nivel global.


Reformas Fiscales en EE.UU. y flujos de IED en Centroamérica y la República Dominicana

En el caso de Hartman (1984), este encuentra que el nivel de IED es afectado por las tasas deretorno después de impuesto, mientras la IED proveniente de las ganancias retenidas no. Asimismo,Hines Jr (1996) examina el efecto de los impuestos sobre la IED y la creación de empleo dentro deEE.UU. Encuentra que las diferencias en las tasas de impuesto corporativos entre estados tienen unainfluencia significativa sobre el patrón de IED en EE.UU.

De Mooij y Ederveen (2001) revisan las estimaciones de 25 estudios sobre la relación de interés, ymencionan que la elasticidad promedio entre estas investigaciones es de -3.3%, implicando que unincremento de 1% en la tasa de impuestos corporativos reduce la IED en ese país en 3.3%.

En la literatura no se identifican estudios de este fenómeno para los países de Centroamérica y laRepública Dominicana, donde la IED es una de las principales fuentes de divisas y motor de creci-miento. Por lo que en este estudio se contribuye mediante la estimación de las elasticidades, tantopara el caso de la nueva IED y de la IED, a través de la reinversión de utilidades retenidas.

3 Modelo Econométrico

Entre los determinantes de los flujos de IED y de reinversión se pueden destacar tanto aspectos insti-tucionales, como económicos y financieros. En lo concerniente al impacto de cambios en la políticamacroeconómica, aquellos asociados a la estructura impositiva pueden afectar a la IED vía el im-pacto sobre el retorno relativo.

El mecanismo a través del cual esta reducción del impuesto afecta a las IED es a través del retornoque enfrentan las inversiones en EE.UU. y fuera de este, colocando en una posición menos favorableal retorno de la inversión en otros países.

Particularmente, la IED depende de los retornos netos de impuestos relativos entre el país receptory el origen. Por ejemplo, una empresa que desea emprender un proyecto de inversión elige aquelcon el mayor retorno, por tanto, si elige invertir fuera del país es porque el retorno del proyecto enel país receptor es superior que las alternativas, manteniendo los demás factores invariados.

En principio, esto sugiere que el nivel de equilibrio de la IED es una función de varios factores,entre ellos 𝜑𝑡 = 𝑅𝑑 − 𝑅𝑜, el cual representa el retorno relativo del país receptor (𝑅𝑑) y origen (𝑅𝑜),que es a su vez, una función de los impuestos relativos de dichos países (entre otros factores talescomo premios por riesgo, volatilidad macroeconómica, costos laborales, cambios en la regulacióndoméstica, entre otros).

Para el cálculo del retorno de las inversiones, definido como 𝑅𝑖 = 𝑌 𝐼𝐸𝐷𝑖𝑡

𝐼𝐸𝐷𝑖𝑡−1con 𝑖 = 𝑑, 𝑜, se utiliza

la razón entre el ingreso de la 𝐼𝐸𝐷(𝑌 𝐼𝐸𝐷𝑡) y la 𝐼𝐸𝐷 rezagada un período (𝐼𝐸𝐷𝑡−1). En estetrabajo, se considera la inversión de todas las industrias, asumiendo que no existen diferencias enla rentabilidad sectorial y concentrándose así en el impacto a nivel macroeconómico.

Si bien existen otros factores que pueden explicar esta diferencia entre los retornos relativos de la in-



versión extranjera en los países, tales como la corrupción, o el clima de negocios, esta investigaciónse enfoca en el impacto del impuesto sobre dicho retorno. Se espera que una caída del impuestoen EE.UU. aumente el retorno de los proyectos de inversión en dicho país y, por ende, reduzca esteindicador 𝜑𝑡, que es el retorno relativo.

Lo anterior puede expresarse en el siguiente modelo de regresión:

log( IED𝑡PIB𝑡

) = 𝛽0 + 𝛽1𝜑𝑡 + 𝛽3𝑋𝑡 + 𝑢𝑡 (1)

donde 𝐼𝐸𝐷 es la inversión extranjera directa, 𝜑𝑡 es el retorno relativo neto de impuestos, y 𝑋𝑡 otrasvariables de control que podrían considerarse.

Asimismo, se espera que los flujos de capitales se vean afectados a través del componente de “rein-versión de utilidades”, por lo que también se considera el impacto sobre esta variable, representadocomo:

RIED𝑡IED𝑡−1

= 𝛼0 + 𝛼1𝜑𝑡 + 𝛼2𝑋𝑡 + 𝑣𝑡 (2)

donde RIED𝑡 es la reinversión de la IED.

Ambos, modelos 1 y 2, son estimados por mínimos cuadrados ordinarios para cada país, en funciónde la disponibilidad de datos, utilizando el estimador de Newey-West para corregir por heteroce-dasticidad y autocorrelación de los errores. En el Anexo II se muestran las pruebas que reflejan elcumplimiento de los supuestos clásicos. Se comprueba que los supuestos de homocedasticidad, nor-malidad y correlación serial de los residuos se satisfacen para ambos modelos y países en la muestraconsiderada. Además, se confirma el supuesto de linealidad y no multicolinealidad perfecta entrelas variables.3 Por último, se prueba que todas las variables del modelo son exógenas mediante laprueba de Durbin-Wu-Hausman, es decir, se satisface el supuesto de no endogeneidad. La pruebade endogeneidad se realiza sobre el modelo estimado con el método generalizado de momentos(GMM, por sus siglas en inglés), en donde los instrumentos se conforman por los valores rezagados(un período) de las variables independientes. Estos son válidos y relevantes ya que satisfacen por unlado estar correlacionados con los regresores y por otro lado son ortogonales a los residuos en eltiempo 𝑡.4

4 Datos

El modelo anterior es estimado con datos de los flujos de IED y reinversión para algunas economíasde Centroamérica, tales como Belice, Costa Rica, Honduras, Nicaragua y Panamá así como parala República Dominicana. Estos flujos de IED son provenientes de EE.UU. y los datos son tomadosde la Oficina de Análisis Económico (BEA, por sus siglas en inglés), el cual posee el desglose por

3Solo en el caso de CR, para el modelo 1, no se satisface el supuesto de correlación serial, no obstante, estos sonestimados por el procedimiento de Newey-West que produce errores estándar corregidos tanto por heterocedasticidadcomo autocorrelación.

4En el Anexo III se muestran los resultados de dicha especificación auxiliar realizada con fines de probar el supuestode no endogeneidad de los regresores.



Tabla 1: IED y Reinversión de la IED desde EE.UU., como porcentaje del PIB. Promedio porperiodo

País/Periodo 1982-2016 1982-1992 1993-2000 2001-2016 2009-2016

a. IEDBelice 2.6 -3.3 8.3 3.8 2.6Costa Rica 6.3 3.6 9.6 6.5 3.6Honduras 5.4 6.8 4.0 5.2 4.9Nicaragua 3.4 4.7 2.6 2.9 2.4Panamá 87.6 104.8 193.0 23.1 12.9Rep. Dominicana 3.3 4.3 3.6 2.6 2.1

b. Reinversión IEDCosta Rica 14.8 11.3 30.0 8.6 5.8Honduras 4.6 3.1 1.0 7.3 4.5Panamá 4.3 4.9 4.2 4.0 2.2Rep. Dominicana 11.3 14.4 17.8 5.2 13.9

Fuente: BEA.

destino y tipo de flujo desde 1982 en frecuencia anual.

La elección de los países, para ambos ejercicios, responde a la disponibilidad de los datos. Por unlado, Guatemala se excluye por falta de datos de IED, los cuales iniciaban desde 1999, mientrasque los datos de reinversión se encontraban disponibles desde 1982 al 1998, obviando así observa-ciones más recientes. Por otro lado, tanto Belice como Nicaragua carecían de datos de Reinversiónde IED. Por último, no se presentan los resultados para El Salvador debido a que el proceso auto-rregresivo de la IED era no estacionario.

El cuadro 1 muestra la IED (panel a.) y la reinversión de IED (panel b.) promedio, ambas comoporcentaje del PIB, para las economías con información disponible entre 1982 y 2016. Se destacala variabilidad a través de estas economías de los flujos mencionados, siendo Panamá la economíacon mayor recepción de IED de la región. El resto de las economías reciben flujos de IED anualespor debajo de 10% del PIB.

Como variable control se opta por utilizar el tipo de cambio real y además se incluyen algunas varia-bles dummies que varían en función de cada país, según los residuos. Incluir el tipo de cambio realimplica asegurarse de que el impacto de los flujos de IED y Reinversión no se encuentren influen-ciados por variables de competitividad del país receptor. Otras variables control como corrupcióno clima de negocios no fueron incluidas debido a la disponibilidad de datos para todos los países.



Tabla 2: Comparación de la sensibilidad de los flujos de IED a los retornos

Variable dependiente: 𝐼𝐸𝐷𝑡𝑃𝐼𝐵𝑡

País / Variable Constante 𝜑𝑡IED𝑡−1PIB𝑡−1

tcr𝑡 𝑅2 Dummies

Belice 1.55(0.4)

0.07(0.01)

0.78(0.05)

0.95 1983, 1985, 2001

Costa Rica −28.97(26.30)

0.66(0.31)

0.93(0.09)

2.51(1.13)

0.73

Honduras −96.33(36.95)

0.63(0.39)

0.69(0.13)

0.57(0.20)

0.73 1995, 1999, 2001, 2004

Nicaragua −282.814(76.76)

0.84(0.19)

0.24(0.21)

−0.32(0.09)

0.75 2016

Panamá −13.56(3.69)

1.15(0.27)

0.99(0.02)

2001, 1985-2001

RepúblicaDominicana

−61.23(20.59)

0.85(0.16)

0.87(0.06)

0.89(0.08)

0.89 1994

Nota: Errores estándar entre paréntesis y corregidos por Newey-West.

Fuente: Estimaciones de los autores.

5 Resultados

5.1 Resultados de las estimaciones

Los cuadros 2 y 3 muestran las elasticidades estimadas de la IED y la reinversión (como porcentajedel PIB) respecto al retorno de la IED (𝜑𝑡) para los países de Centroamérica para los que se disponeinformación relevante. Como variable de control se incluye el tipo de cambio real y un rezago de lavariable dependiente, que permite capturar la dinámica de ajuste.

Las elasticidades estimadas son estadísticamente significativas, y se ubican en un rango relativamen-te amplio, desde 0.07 (Belice) a 1.15 (Panamá).

5.2 Simulación: el impacto de la reforma fiscal sobre los flujos de inversión

Los resultados anteriores son utilizados para simular el impacto de la reforma fiscal recientementeimplementada en EE.UU. Esta reforma contempla una reducción de los impuestos a la inversióny a las ganancias de las inversiones fuera de Estados Unidos. Con las elasticidades estimadas, seprocede a estimar el efecto de dicha reforma sobre los flujos de IED y de reinversión.

El efecto esperado se produce, manteniendo los demás factores constantes, a través de la incidenciadel cambio de la figura impositiva mencionada sobre el retorno relativo (𝜑𝑡). Primero, note que:El retorno (neto de impuestos) en EE.UU. antes de la reforma es:

𝑅antes = �� (1 − 𝑡antes)



Tabla 3: Comparación de la sensibilidad de los flujos de reinversión de IED a los retornos

Variable dependiente: 𝑅𝐼𝐸𝐷𝑡𝑃𝐼𝐵𝑡

País / Variable Constante 𝜑𝑡RIED𝑡−1PIB𝑡−1

tcr𝑡 𝑅2 Dummies

Costa Rica 0.97(0.03)

0.04(0.02)

−0.19(0.12)

0.99 1989, 1995, 2013

Honduras 1.57(0.69)

0.97(0.03)

0.13(0.04)

−0.03(0.02)

0.96 1989, 1996

Panamá 2.80(0.58)

0.49(0.07)

1985, 1989, 2005

RepúblicaDominicana

0.69(0.03)

0.03(0.02)

1994, 1999, 2007-2008,2010

Nota: Errores estándar entre paréntesis y corregidos por Newey-West.


Tabla 4: Impacto Tasas de crecimiento del IED(Anual, en %)

Período Rep. Dom. Costa Rica Honduras Nicaragua Belice Panamá

1er año -1.0 -0.7 -0.6 -1.6 -3.7 -1.22do año -0.9 -0.6 -0.4 -0.2 -1.2 -1.23er año -0.7 -0.6 -0.3 -0.1 -0.6 -1.25to año -0.5 -0.5 -0.1 0.0 -0.2 -1.210 años -0.3 -0.4 0.0 0.0 0.0 -1.1


Luego, el retorno (neto de impuestos) en EE.UU. después de la reforma es:

𝑅despues = �� (1 − 𝑡despues)

Por tanto,

𝑅despues = 𝑅antes(1 − 𝑡despues1 − 𝑡antes )

Dado que (1−𝑡despues1−𝑡antes ) > 1, entonces 𝑅despues > 𝑅antes.

Esto implica que los retornos relativos entre EE.UU. y el país receptor son menores, reduciendo lainversión extranjera directa en dichos países receptores.

Respecto al impacto sobre los flujos de capitales, los resultados muestran que esta reducción delretorno relativo, producto del menor impuesto se traduce en una desaceleración del crecimiento dela IED en CA y RD entre 0.7 (CR) y 4% (Belice) en el primer año respecto al escenario base.

Para RD, el crecimiento se reduce en 1% en el primer año y 0.9% en el segundo año, teniendoimpacto hasta en el quinto año, dado el carácter permanente de la reducción. CR se coloca como



Tabla 5: Impacto Acumulado - IED/PIB(p.bs)

Período Rep. Dom. Costa Rica Honduras Nicaragua Belice

1er año -0.02 -0.02 -0.03 -1.86 -0.072do año -0.04 -5.59 -9.08 -3.41 -20.533er año -0.05 -10.98 -16.30 -5.58 -38.235to año -0.09 -0.09 -0.09 -2.93 -0.2410 años -0.14 -0.15 -0.10 -2.94 -0.31


el país con menor impacto, mientras que Belice es el de mayores efectos.

En términos de la razón con respecto al PIB se ven reducciones más bien limitadas desde 0.02 a0.14 en el décimo año para RD. Esto implica una reducción de US$ 13.5 millones (MM) a US$841 MM sobre la posición de IED, la cual se encuentra en US$ 1 440 MM en RD a 2016. En PAes donde se observan las mayores reducciones dado que es el país con mayor proporción de IEDrespecto al PIB (0.09 en el primer año y 0.77 en el décimo año).

Asimismo, las reinversiones de utilidades se ven afectadas. Las reducciones respecto al escenariobase de las reinversiones de utilidades como porcentaje del IED rondan entre 0.4 (PA) y 0.8 (CRy HO). En RD, el impacto en el primer año es de 0.6; lo cual implica una caída de US$ 7.1 MMrespecto al escenario base. En el décimo año, las reducciones alcanzan los US$ 170 MM para PAy US$ 71 MM en RD.

Por tanto, el resultado sugiere un efecto de la reforma impositiva limitado en los flujos de capitalesde estas economías, aunque con efectos que podrían ser permanentes.

6 Conclusión

La IED es el flujo de capital más importante en Centroamérica y la República Dominicana. Asimismo,representa una importante fuente de divisas e inversión productiva para estas economías, siendo losflujos provenientes de EE.UU. uno de los más significativos.

Acorde con la literatura, en adición a los factores de largo plazo de carácter institucional, el principaldeterminante del IED es el retorno esperado en el país de destino comparado con el retorno de lasalternativas de inversión. Por tanto, entre otros factores, la estructura impositiva es relevante en ladeterminación del retorno de equilibrio, y cambios en esta poseen implicancias en las direccionesdel flujo de IED.

Para responder a la pregunta de cómo se ven afectados los flujos de capitales de las economíasdel CARD a reformas impositivas en EE.UU., tales como la reciente reducción de impuestos en el2017, se realiza un ejercicio de simulación que cuantifica dicho impacto sobre la IED y los flujosde reinversión de IED. Para ello, este trabajo estimó la sensibilidad de la IED y su reinversión a las



variaciones en el retorno relativo para diversas economías del CARD.

Los resultados muestran una dispersión importante de dicho parámetro entre estas economías, po-siblemente asociado a limitaciones de los datos y a la especificación de los modelos estimados.No obstante, estas elasticidades permiten explorar el impacto de cambios en la estructura tributariaen EE.UU. sobre los flujos de IED a la región. Tomando como referencia los cambios sugeridos enla Reforma Fiscal de 2017 en EE.UU. y las elasticidades estimadas, se muestra que la reforma setraduce en una desaceleración del crecimiento de la IED en CA y RD entre 0.7 (CR) y 4% (Belice) enel primer año respecto al escenario base. Asimismo, las reinversiones de utilidades como porcentajedel IED se ven afectadas, con magnitudes que rondan entre 0.4 (PA) y 0.8 (CR y HO). En RD, elimpacto en el primer año es de 0.6; lo cual implica una caída de US$ 7.1 MM respecto al escenariobase. Por tanto, los resultados sugieren efectos limitados sobre los flujos hacia la región, no obs-tante, de carácter permanente, sugiriendo un nivel de equilibrio menor al vigente antes de la reforma.

Referencias

Banco Mundial (2005). “DR-CAFTA: Challenges and opportunities for Central America”. En: Wa-shington, DC.

Checo, Ariadne, Salomé Pradel y Francisco A Ramírez (2015). “Measuring the Effects of the ‘Nor-malization’of US Monetary Policy on Central America and the Dominican Republic”. En:

De Mooij, Ruud A y Sjef Ederveen (2001). Taxation and foreign direct investment: a synthesis ofempirical research. Inf. téc. Discussion Papers 13. CPB Netherlands Bureau for Economic PolicyAnalysis, págs. 673-693.

— (2008). Corporate tax elasticities: a reader’s guide to empirical findings. Inf. téc. Working Papers,N1 0822. Oxford University Centre for Business Taxation.

Hartman, David G (1984). “Tax policy and foreign direct investment in the United States”. En: Na-tional Tax Journal 38.4, págs. 475-487.

Hines Jr, James R (1996). “Altered states: Taxes and the location of foreign direct investment inAmerica”. En: The American Economic Review 86 (5), págs. 1076-1094.

Kleinbaum, David G y col. (2013). Applied regression analysis and other multivariable methods.Nelson Education.

Pérez, P. y F. Morla (2013). “Análisis de la Inversión Extranjera Directa en República Dominicana: UnModelo de Corrección de Errores”. En: Oeconomia VII.4, págs. 8-19.

Pradel, Salomé, Francisco A Ramírez y Aridane M Checo (2017). “The Effects of USA MonetaryPolicy on Central America and the Dominican Republic”. En: International Spillovers of MonetaryPolicy. Ed. por Ángel Estrada García y Alberto Ortiz Bolaños. Center for Latin American MonetaryStudies y Banco de España, págs. 189-222.

Rojas-Romagosa, Hugo (2017). “Potential economic effects of TTIP for the Netherlands”. En: DeEconomist 165.3, págs. 271-294.

Rojas-Romagosa, Hugo, Joseph F Francois, L Rivera y col. (2008). Economic perspectives for CentralAmerica after CAFTA; a GTAP-based analysis. Inf. téc. CPB Netherlands Bureau for EconomicPolicy Analysis.



Swenson, Deborah L (1998). “Investment distinctions: The effect of taxes on foreign direct investmentin the US”. En: The welfare state, public investment, and growth. Springer, págs. 199-217.

Tavares-Lehmann, Ana Teresa, Ângelo Coelho y Frederick Lehmann (2012). “Taxes and Foreign Di-rect Investment Attraction: A Literature Review”. En: New Policy Challenges for European Multina-tionals (Progress in International Business Research, Vol. 7). Ed. por R. Van Tulder, A. Verbeke y L.Voinea. Bingley: Emerald Group Publishing Limited, págs. 89-117. isbn: 978-1-78190-020-8.

Van der Horst, Albert, Leon JH Bettendorf y Hugo Rojas-Romagosa (2007). “Will corporate tax con-solidation improve efficiency in the EU?” En: Available at SSRN 1016948.

Young, Kan H (1988). “The effects of taxes and rates of return on foreign direct investment in theUnited States”. En: National Tax Journal, págs. 109-121.



Anexos

I. Flujos de Capitales en las economías CARD

Figura 1: Composición de los Flujos de Capitales en las economías CARD, desde EE.UU.

Fuente: BEA.



II. Pruebas de cumplimiento de los supuestos clásicos

A. Modelo 1

Tabla 6: Supuesto de Homocedasticidad de los residuos: Prueba de White

País Estadístico Obs x 𝑅2 Probabilidad Prueba Resultado Prueba*

F F 𝜒2

Belice 0.2898 2.1802 0.9345 0.9024 No se rechazaCosta Rica 1.2512 7.3966 0.3123 0.2857 ”Honduras 1.4687 9.6347 0.2219 0.2102 ”Nicaragua 1.8367 10.8331 0.1413 0.1461 ”Panamá 0.6060 4.7693 0.7455 0.6881 ”República Dominicana 0.3424 2.9055 0.9261 0.8936 ”

* Hipótesis nula: Residuos son homocedásticos.

Tabla 7: Supuesto de no correlación serial: Prueba LM de Correlación Serial Breusch-Godfrey


F F 𝜒2

Belice 0.2384 0.6709 0.7904 0.7150 No se rechazaCosta Rica 4.2551 7.9251 0.0243 0.0190 Se rechazaHonduras 0.5850 1.5805 0.5649 0.4537 No se rechazaNicaragua 0.4920 1.2803 0.6190 0.5272 ”Panamá 0.9240 2.1780 0.4091 0.3365 ”República Dominicana 2.0333 4.4770 0.1520 0.1066 ”

* Hipótesis nula: No autocorrelación residuos (hasta dos rezagos).



Tabla 8: Supuesto de Normalidad de residuos: Prueba de Jarque-Bera

País EstadísticoJarque-Bera

ProbabilidadPrueba - 𝜒2

Resultado Prueba*

Belice 5.0401 0.0805 No se rechazaCosta Rica 3.7679 0.1520 ”Honduras 0.4480 0.7993 ”Nicaragua 0.4022 0.8178 ”Panamá 0.5414 0.7628 ”República Dominicana 2.3571 0.3077 ”

* Hipótesis nula: Residuos se encuentran distribuidos de forma normal.

Tabla 9: Supuesto de Forma Funcional Lineal: Prueba de Ramsey

País Estadístico Razón de log Probabilidad Prueba Resultado Prueba*F verosimilitud F 𝜒2

Belice 2.3955 3.0873 0.1382 0.0789 No se rechazaCosta Rica 2.7766 3.1088 0.1064 0.0779 ”Honduras 0.7230 0.9694 0.4032 0.3248 ”Nicaragua 0.0163 0.0212 0.8996 0.8842 ”Panamá 0.5646 0.6788 0.4587 0.4100 ”República Dominicana 0.0669 0.0823 0.7979 0.7742 ”

* Hipótesis nula: Relación entre variable dependendiente y variables independientes es lineal.

Tabla 10: Supuesto de No Multicolinealidad Perfecta: Factor de Inflación de Varianza (FIV)

País FIV Resultado Prueba*TCR Retorno

Belice - 1.0659 No existeCosta Rica 1.0833 1.7000 ”Honduras 1.0516 1.2996 ”Nicaragua 1.5123 1.2821 ”Panamá - 1.8253 ”República Dominicana 1.0539 2.6354 ”

* Según Kleinbaum et al. (1988), si VIF<10 no existen problemas de multicolinealidadNota: Prueba se realiza sobre regresión sin ajuste de errores estándar y covarianza HAC



Tabla 11: No endogeneidad de Regresores: Prueba Durbin-Wu-Hausman

País Diferencia enEstadístico J

Probabilidad Prueba -𝜒2

Resultado Prueba*

Belice 1.7485 0.4172 No se rechazaCosta Rica 2.0016 0.5721 ”Honduras 0.8076 0.8477 ”Nicaragua 5.3951 0.1451 ”Panamá 0.6793 0.7120 ”República Dominicana 4.6080 0.2029 ”

* Hipótesis nula: Regresores de la ecuación son exógenos.Nota: Prueba se realiza sobre regresión estimado por GMM con un rezago de regresores como instrumentos



B. Modelo 2

Tabla 12: Supuesto de Homocedasticidad de los residuos: Prueba de White


F F 𝜒2

Costa Rica 1.0958 13.08438 0.4208 0.3629 No se rechazaHonduras 1.0126 8.3279 0.4549 0.4039 ”Panamá 0.3722 1.6791 0.8262 0.7945 ”República Dominicana 0.4431 4.3324 0.8814 0.8260 ”

* Hipótesis nula: Residuos son homocedásticos.

Tabla 13: Supuesto de No correlación serial: Prueba LM de Correlación Serial Breusch-Godfrey


F F 𝜒2

Costa Rica 0.9059 2.2826 0.4187 0.3194 No se rechazaHonduras 0.0381 0.1003 0.9627 0.9511 ”Panamá 0.1027 0.2632 0.9028 0.8767 ”República Dominicana 2.4923 5.5416 0.1058 0.0626 ”

* Hipótesis nula: No autocorrelación residuos (hasta dos rezagos).

Tabla 14: Supuesto de Normalidad de residuos: Prueba de Jarque-Bera

País EstadísticoJarque-Bera

ProbabilidadPrueba - 𝜒2

Resultado Prueba*

Costa Rica 0.0692 0.9660 No se rechazaHonduras 1.2886 0.5250 ”Panamá 0.2393 0.8872 ”República Dominicana 3.5119 0.1727 ”

* Hipótesis nula: Residuos se encuentran distribuidos de forma normal.



Tabla 15: Supuesto de Forma Funcional Lineal: Prueba de Ramsey

País Estadístico Razón delog

Probabilidad Prueba Resultado Prueba*

F verosimilitud F 𝜒2

Costa Rica 3.4065 4.1435 0.0779 0.0418 AmbiguoHonduras 0.0020 0.0025 0.9646 0.9598 No se rechazaPanamá 1.8293 2.1892 0.1883 0.1390 ”República Dominicana 3.5897 4.3509 0.0708 0.0370 Ambiguo

* Hipótesis nula: Relación entre variable dependendiente y variables independientes es lineal.

Tabla 16: Supuesto de No Multicolinealidad Perfecta: Factor de Inflación de Varianza (FIV)

País FIV Resultado Prueba*TCR Retorno

Costa Rica 1.1919 2.5505 No existeHonduras 1.0259 1.1306 ”Panamá - 1.8085 ”República Dominicana 1.0235 1.1154 ”

* Según Kleinbaum et al. (1988), si VIF<10 no existen problemas de multicolinealidadNota: Prueba se realiza sobre regresión sin ajuste de errores estándar y covarianza HAC

Tabla 17: No endogeneidad de Regresores: Prueba Durbin-Wu-Hausman

País Diferencia enEstadístico J

Probabilidad Prueba -𝜒2

Resultado Prueba*

Costa Rica 3.1639 0.2056 No se rechazaHonduras 0.6022 0.7400 ”Panamá 1.0672 0.5865 ”República Dominicana 1.2017 0.5483 ”

* Hipótesis nula: Regresores de la ecuación son exógenos.Nota: Prueba se realiza sobre regresión estimado por GMM con un rezago de regresores como instrumentos



III. Especificación modelo estimado con GMM

A. Modelo 1:

Tabla 18

País/Variable Constante 𝐼𝐸𝐷𝑡−1𝑃𝐼𝐵𝑡−1

rezago tcr 𝑅2 Dummies

Belice 0.12(0.85)

0.03(0.04)

1.26(0.17)

0.53 1983, 1985, 2001

Costa Rica 21.25(33.08)

1.05(0.37)

1.11(0.1)

8.41(7.36)

0.66 1992, 2010

Honduras −205.74(389.66)

1.38(20.34)

0.30(3.48)

7.94(1.4)

-0.56 1990, 1995

Nicaragua −398.79(32.1)

2.40(0.84)

−0.11(0.11)

−0.44(0.09)

0.57 1986, 1987, 2016

Panamá 1.55(4.99)

0.29(0.93)

1.07(0.04)

0.98 2001

República Dominicana −56.71(32.46)

0.49(0.44)

0.86(0.09)

0.00(0.94)

0.73 1994

Nota: Errores estándar entre paréntesis y corregidos por Newey-West. Fuente: Estimaciones de los autores.

B. Modelo 2:

Tabla 19

País/Variable Constante 𝜙𝑡 rezago tcr 𝑅2 Dummies

Costa Rica 1.30(1.09)

0.49(0.31)

0.30(0.15)

−1.02(1.05)

0.89 1992, 1994, 2004, 2010

Honduras 2.33(2.06)

0.76(0.55)

0.09(0.07)

0.31(2.01)

0.84 1990

Panamá 3.21(0.61)

0.54(0.12)

−0.06(0.06)

0.68 1984-1985, 1989, 2005

República Dominicana −3.36(4.41)

0.93(0.4)

−0.18(0.32)

0.05(0.16)

0.70 2009-2010

Nota: Errores estándar entre paréntesis y corregidos por Newey-West. Fuente: Estimaciones de los autores.


revistadeeconomíadecentroaméricay repúblicadominicana

Documents