Post on 08-Jul-2022
1
La relación entre el costo laboral y la inflación de precios en Colombia
Nicolás Rey García - 201532984
Memoria de Grado
Universidad de los Andes
2020
Resumen:
La relación entre los precios y los salarios ha sido objeto recurrente de análisis y discusión.
Por este motivo, esta investigación explora la relación entre el costo laboral y la inflación de
precios en Colombia, a través de una aproximación sistemática1. Usando información
trimestral agregada y sectorial durante el periodo 1984Q1-2019Q4, se estiman modelos de
series de tiempo de corto y largo plazo. Por un lado, se encuentra una relación significativa
entre estas dos variables en la economía colombiana y a través de los sectores evaluados. Por
otro lado, los resultados de las estimaciones muestran evidencia de una causalidad
unidireccional en el corto plazo (varían dependiendo del caso observado) y se encuentran
indicios de una estructura cíclica no contemporánea entre estas dos variables. En el largo
plazo esta relación es bidireccional.
Clasificación JEL: C32, E24, E31
Palabras Clave: Inflación, efecto transmisión2, costos laborales, causalidad, Colombia.
1 La metodología en este trabajo se guía de las investigaciones de (Bobeica, Ciccarelli, & Vansteenkiste, 2019) del Banco Central Europeo y (Misas & Oliveros, 1994) del Banco de la República de Colombia. 2 Conocido en inglés como pass-through, hace referencia al traspaso de aumentos salariales hacia la inflación o viceversa. Este concepto se utiliza tradicionalmente para denotar el impacto de cambios en la tasa de cambio en la inflación de precios.
2
The link between labor cost and price inflation in Colombia
Nicolás Rey García – 201532984
Thesis
Universidad de los Andes
2020
Abstract:
The relationship between prices and wages has been a recurring object of analysis and
discussion. In consequence, this paper documents the link between labor cost and price
inflation in Colombia through a systematic approach3. Using country and sector quarterly
data over the period 1984Q1-2019Q4, short and long-term time series models are estimated.
On one hand, a significant relationship is found between these two variables in the Colombian
economy and across the evaluated sectors. On the other hand, the estimation results show
evidence of short-term one-way causality (depending on the case), and of a non-
contemporary cyclical structure between these two variables. In the long-run this link is
bidirectional.
JEL Classification: C32, E24, E31
Keywords: Inflation, pass-through, labor cost, causality, Colombia.
3 The methodology in this work is guided by the investigations of (Bobeica, Ciccarelli, & Vansteenkiste, 2019) from the European Central Bank and (Misas & Oliveros, 1994) from the Central Bank of Colombia.
3
1. Introducción
La relación entre los precios y los salarios ha sido objeto recurrente de análisis y discusión
tanto en la teoría económica como en el diseño de política pública, sin poder llegar a un
consenso generalizado sobre el posible desarrollo que tiene una de estas variables sobre la
otra. Observando el gran disentimiento en la literatura teórica, no es sorpresa que los estudios
empíricos tampoco han podido llegar a una conclusión satisfactoria. Sobre todo, al tener en
cuenta que esta relación depende en gran medida del país en cuestión y que los resultados
incluso pueden llegar a discrepar a nivel sectorial.
Teniendo en cuenta la importancia del salario mínimo y la tasa de interés en la definición de
política pública y macroeconómica, este documento tiene como objetivo contribuir en la
literatura empírica al analizar la relación entre el comportamiento de los costos laborales y la
inflación de precios en Colombia en el corto y largo plazo. Utilizando datos trimestrales
comprendidos en el periodo 1984Q1-2019Q4, se busca entablar una relación agregada a nivel
nacional y relaciones desagregadas a nivel sectorial, abarcando los sectores manufacturero,
agropecuario y minero de la economía. Siguiendo el enfoque sistemático propuesto por
Bobeica, Ciccarelli, y Vansteenkiste (2019) y partiendo de los resultados encontrados por
Misas y Oliveros (1994), esta aproximación pretende responder las siguientes preguntas: (i)
¿existe una relación entre salarios y precios en Colombia en el corto plazo?, (ii) de existir,
¿se puede determinar una causalidad?, (iii) ¿se puede generalizar este comportamiento para
toda la economía y sus sectores? y (iv) ¿cómo se comporta esta relación en el largo plazo?
Con el fin de contestar estas preguntas, el análisis de corto plazo de esta relación se lleva a
cabo usando métodos tradicionales de series de tiempo: pruebas de correlación cruzada y las
pruebas de causalidad de Granger bajo representación VAR(p). Con el fin de evaluar la
validez de los resultados anteriores se prueba la existencia de relaciones de largo plazo
mediante la prueba de cointegración de Johansen. El hallazgo de relaciones de largo plazo
exige que en el análisis de causalidad se considere incluir la restricción encontrada mediante
un VECM.
4
Los resultados sugieren que la relación entre salarios y precios existe y es significativa para
el caso colombiano pero su correlación es relativamente baja. El comportamiento de estas
variables parece indicar una estructura cíclica no contemporánea, lo cual permitiría la
existencia de algún tipo de prelación junto a la presencia de coeficientes de correlación
negativos. Tambíen se encuentran relaciones causales unidireccionales en el corto plazo. No
obstante, no se puede generalizar una dirreción causal determinada para toda la economía ya
que varía según el caso observado. En cuanto a la dinámica de esta relación en el largo plazo,
se encuentra que ambas variables tienen influencia sobre la otra. Sin embargo, el efecto es
diferenciado, los precios parecen impactar en mayor medida a los salarios.
Por otra parte, estos resultados tienen importantes implicaciones en política pública. En
particular, el monitoreo de los aumentos salariales es relevante para la comprensión de
presiones inflacionarias en ciertos sectores. No obstante, este no es el único factor que se
debe considerar puesto que aumenta la importancia en el largo plazo de mantener estable la
senda inflacionaria dado el efecto transmisión que existe hacia los salarios.
La investigación está organizada en cinco secciones, ademas de la presente introducción. En
la segunda sección se presenta la revisión de literatura sobre la discusión teórica y los
antecedentes empíricos de la relación entre las variables mencionadas. La tercera sección
presenta un análisis preliminar de los datos que incluye la descripción estadística y pruebas
de correlación cruzada. Los aspectos metodológicos y los resultados de las pruebas de
causalidad en el corto y largo plazo se presentan en la cuarta sección. En la última seccion se
presentan las conclusiones del trabajo.
2. Revisión de Literatura
La naturaleza de la relación entre los aumentos de los costos laborales y la inflación de
precios ha sido objeto fundamental en las discusiones tanto de teoría como de política
económica. Desde su origen en A statistical Relation between Unemployment and Price
Changes por Irving Fisher en 1926 y su posterior formalización matemática por A.W. Phillips
en 1958, la relación negativa entre la razón de cambio de los salarios y el desempleo ha sido
5
materia de diferentes episodios en la historia del pensamiento económico. El “naufragio de
la curva de Phillips” fue denunciado por Lucas y Sargent en 1978 debido a la inconsistencia
de la dirección de la correlación entre estas dos variables en el largo plazo la cual era negativa
con datos de los sesentas, pero positiva con datos de los setentas. Posteriormente, la
relevancia de la curva de Phillips resurgió ampliada con expectativas y de la incorporación
de las restricciones de verticalidad en el largo plazo (Gordon, 1997). El debate se intensificó
al punto que, más allá de intentar encontrar una causalidad en el corto y mediano plazo entre
los salarios y la inflación, se puso en tela de juicio la misma existencia de este planteamiento.
Desde un punto de vista teórico, existe una suposición causal que suele ser predominante y
ampliamente aceptada que se basa en la postulación post-Keynesiana de la presión salarial
(o cost-push en inglés) en el proceso inflacionario. La presión o empuje del costo laboral
determina la influencia causal desde los aumentos salariales hacia la inflación, argumentando
que el incremento de los salarios por encima del aumento de la productividad determina
exógenamente la futura dirección de los precios. Esta visión surgió en los años setenta como
un intento para explicar la dinámica espiral salarios-precios4 en la cual un aumento alto de
los costos laborales resultó en una inflación más alta y, posteriormente, un aumento aún más
alto de los salarios. Sin embargo, esta aproximación no reconoce la influencia que tiene la
política monetaria sobre la inflación y, dado el caso que la política monetaria estuviera
encaminada a una senda de baja inflación, las firmas no necesariamente podrían transferir los
aumentos salariales hacia los precios puesto que están sujetos a elasticidades y rigideces
estructurales (Mehra, 2000). En lugar de lo anterior, la escuela Neoclásica propone una visión
alternativa en la cual afirma que la causalidad entre los salarios y la inflación va en sentido
contrario. En este caso, la inflación es observada como un fenómeno monetario causado por
un exceso de la demanda agregada. Según Mehra (2000), las firmas pueden incrementar el
precio de sus productos debido a un exceso en la demanda agregada, causada, a su vez, por
una expansión de la política monetaria. El aumento general de los precios explica el
subsiguiente incremento de los salarios con el fin de mantener el poder adquisitivo. No es
sorpresa entonces que la literatura teórica no haya podido llegar a una conclusión
4 También conocida en inglés como wage-spiral.
6
satisfactoria. En cuanto a los antecedentes empíricos han surgido varias posiciones de
acuerdo con la revisión bibliográfica.
Por un lado, existe una cantidad considerable de investigaciones que van en línea con la
visión post-Keynesiana, buscando evidencia sobre el traslado de los incrementos en el salario
mínimo legal (SML) hacia los precios del consumidor. Gran parte de estos estudios de
causalidad unidireccional están centrados en el sector de las comidas, un sector que es
caracterizado por ser intensivo en mano de obra y de alta incidencia de trabajadores
remunerados por el salario mínimo. Para Estados Unidos, Katz y Krueger (1992) y Card y
Krueger (1995) usando información de encuestas a restaurantes de comidas rápidas,
encontraron resultados diferenciados para los estados de Nueva Jersey y Pensilvania,
comprobando una relación significativa de los salarios hacia lo precios en el último caso.
Posteriormente incluyeron nuevas ciudades y estados resultando en conclusiones disímiles
(por factores estructurales) pero, en general mostraban que un aumento de 10% en el SML
no sobrepasó un aumento de 4% en los precios. Por otro lado, Aaronson (2001) encontró un
efecto trasmisión de 0.52% ante un incremento de 10% en el SML en ciudades de Estados
Unidos y de 0.80% para provincias canadienses, utilizando datos mensuales de precios de los
restaurantes de los años 1978 a 1995.
En el caso colombiano, Rubio (1991) encuentra una elasticidad de 1.05 del SML respecto a
la inflación. Posso (2010), utilizando la Encuesta Continua de Hogares de 2006 encuentra un
aumento inflacionario de 1.44% para el total nacional debido a un aumento en el SML de
10%. Por último, Arango, Ardila y Gómez (2010) analizan los efectos de un choque positivo
de 10% en el SML en los precios de las comidas fuera del hogar, con un efecto
contemporáneo de 1.33% y un efecto que incluye rezagos y adelantos del SML de 3.07%.
En la segunda categoría de literatura se encuentran trabajos que analizan no solo la existencia
de la relación entre los costos laborales y la inflación, sino también su causalidad. Estos
estudios utilizan pruebas de tipo en-la-muestra5 (o en ingles in-of-sample) de causalidad de
5 Se refiere a modelos de pronósticos que utiliza observaciones para pronosticar variables que ya son parte de la muestra de datos original. Por ejemplo, si se utiliza datos de 1990-2013 para pronosticar 2011-2013, es in-of-sample.
7
Granger, y a diferencia de las referencias de la categoría anterior, esta presenta conclusiones
mixtas.
Un número de investigaciones tiende a favorecer la idea de que el aumento de los precios
causa inflación de salarios. Menhra (1991), Hu y Trehan (1995), Gordon (1998), Sbordone
(2002), Hu y Toussaint-Comeau (2010) y Bidder (2015) encuentran que la inflación de
precios causa, en el sentido de Granger, aumentos en los costos laborales. En oposición, Ghali
(1999) verifica la visión de la presión salarial al concluir, en el sentido de Granger, la
causalidad de los costos laborales hacia la inflación. Emery y Chang (1996) y Hess (1999)
por su parte, hallan que los aumentos salariales ayudan a predecir la inflación futura, pero es
sensible al periodo de observación, por lo que esta relación no se mantiene completamente
en el tiempo. Otros estudios no encuentran una relación causal alguna. En los trabajos de
Gordon (1988), Darrat (1994) y Hess y Schweitzar (2000), los autores concluyen que los
salarios y los precios son irrelevantes entre ellos y que los cambios de estas variables son
mejor pronosticados por sus propios rezagos.
Otra rama de la literatura hace referencia a la dinámica de esta relación en el tiempo. Knotek
y Zaman (2014) junto a Peneva y Rudd (2017) hallan, en los Estados Unidos, que la
correlación entre los costos laborales y la inflación ha disminuido desde la segunda mitad de
la década de los 80 al igual que su consecuente efecto trasmisión. En la actualidad se ha
llegado al punto de considerar la inexistencia empírica de esta relación en dicho país.
Desde estas investigaciones es difícil llegar a una conclusión frente a la independencia o de
algún tipo de exogeneidad de una de estas variables frente a la otra en el corto o mediano
plazo. No obstante, estos resultados, en su mayoría, son basados en datos estadounidenses.
En un estudio reciente realizado por el Banco Central Europeo (Bobeica, Ciccarelli, &
Vansteenkiste, 2019) encontraron resultados completamente diferentes al analizar las cuatro
economías principales dentro de la zona euro. En estas cuatro economías existe una clara
relación entre los costos laborales y la inflación de precios, así como un efecto trasmisión
imperfecto, pero relativamente alto desde los salarios hacia los precios. Por otro lado, la
interacción dinámica entre estas dos variables depende del periodo de observación y del
estado de la economía. En particular, el efecto trasmisión es sistemáticamente menor en
periodos de baja inflación en comparación a periodos de alta inflación. Por otro lado, este
8
efecto también depende del tipo de choque en la economía, mostrando que es más probable
que los aumentos de los costos laborales se traspasan hacia los precios con choques en la
demanda que con choques en la oferta. Por último, hallaron que estos resultados discrepan a
nivel país y a nivel sectorial demostrando la imposibilidad de establecer una relación
generalizada para estas variables dada la gran dependencia del marco económico estructural
que condiciona las dinámicas internas de los precios y de la inflación salarial.
En el caso colombiano existe un trabajo publicado por el Banco de la República que precede
la metodología usada en la investigación del Banco Central Europeo. En 1994 Martha Misas
y Hugo Oliveros usando información mensual para el periodo 1982-1994, hallaron una
relación bidireccional entre el salario mínimo y el índice de precios al consumidor total
nacional (IPCT), así como entre los salarios industriales y el IPCT, el IPCT sin alimentos y
el índice de precios básicos (IPCC)6. La única relación unidireccional fue del salario mínimo
al IPCC, confirmando una visión de presión salarial.
3.1 Una primera mirada exploratoria a los datos
Para el propósito de esta investigación se recolectó información trimestral del periodo
1984Q1-2019Q4. Para medir los costos laborales, se utilizaron los salarios nominales por
hora promedio de los ocupados asalariados7 de las siete principales áreas metropolitanas de
Colombia. El salario agregado y los salarios por sector económico se calcularon con base en
la Encuesta Nacional de Hogares8 (ENH) de 1984 a 2019 realizadas por el DANE. Esta
encuesta tiene como objetivo medir los cambios en los niveles de empleo de la población y
suministrar información básica para el diagnóstico de la fuerza laboral. Una ventaja de
utilizar salarios promedio sobre el salario mínimo en la medición de los costos laborales es
6 Las medidas de inflación básica buscan eliminar los efectos de perturbaciones temporales en los precios. Para eso se excluyen del IPCT el grupo de alimentos, los servicios estatales y el transporte. 7 Obreros, empleados particulares y empleados del gobierno. 8 La ENH se dio inicio durante la década de 1970 y fue concebida como un sistema de encuestas de múltiples propósitos. A lo largo de los años se llevaron a cabo nuevas etapas con diferente periodicidad, cobertura y diseño muestral. A partir de 1990 se presentaron resultados representativos por área metropolitana y posteriormente fue remplazada por la Encuesta Continua de Hogares y luego integrada dentro de la Gran Encuesta Integrada de Hogares.
9
que además de incluir el efecto de las variaciones anuales9 del salario mínimo, permite un
mayor número de observaciones al capturar cambios trimestrales y variaciones especificas
por sector.
En cuanto a los precios, se utilizaron dos índices. En Colombia, la medición de los precios
se hace a través de un índice de Laspeyres. El Índice de Precios al Consumidor (IPC) mide
la variación porcentual promedio de los precios de un conjunto de bienes y servicios
adquiridos y consumidos por los hogares. En cada revisión metodológica, el DANE actualiza
la canasta de bienes y servicios de acuerdo con los nuevos patrones de gasto e incluye nuevas
ciudades para ampliar su cobertura geográfica. En enero del 2019 el DANE entregó una
nueva versión del índice en la cual hay una actualización de los ponderadores y llega a la
recolección efectiva de información en 32 capitales departamentales y 24 municipios de
influencia. El Índice de Precios al Productor (IPP) es una medición alternativa pero menos
recurrente al IPC. No obstante, el IPP presenta varias ventajas para la finalidad de este
estudio. Por un lado, este indicador tiene como propósito general medir los cambios de
precios de unas canastas de bienes representativas de la oferta interna en la primera etapa de
comercialización a través de un subconjunto de índices. Lo anterior permite hacer un
seguimiento a la evolución de los precios por el lado de la oferta y reflejar una más cercana
evolución de los precios entre productores y consumidores. Por otro lado, este índice presenta
una variación de precios general para la economía y variaciones desagregadas por sector
económico. Como se mencionó anteriormente, el análisis sectorial de la relación entre los
costos laborales y la inflación de precios se realizó sobre el sector manufacturero que
representa el 12% del PIB10, el sector minero con el 5% y el sector agropecuario con una
representación del 6.2%.
9 La Comisión Permanente de Concertación de Políticas Salariales y Laborales, creada por la Ley 278 de 1996, compone los actores que intervienen en el proceso del alza del salario mínimo. Allí, las centrales obreras y de trabajadores junto a los gremios de empresarios e industriales, y el Gobierno nacional concuerdan el aumento del SM con base a cinco variables económicas: la meta de inflación, el incremento del producto interno bruto, la contribución de los salarios al ingreso nacional, la productividad de la economía y el índice de precios al consumidor (siendo estos dos últimos lo más importantes). Por otro lado, la sentencia C-815 de 1999 de la Corte Constitucional condicionó que el reajuste del SM no puede ser inferior a la inflación causada. 10 Fuente DANE, datos 2019.
10
Figura 1. Costo Laboral e IPP*, cambio % año a año
Fuente: DANE y elaboración propia. Ultima observación:2019Q4
*Se utilizó el IPC para el grafico Total.
La Figura 1 ilustra el crecimiento anual de los salarios nominales por hora y el IPC para el
total de la economía, y contra el IPP para cada uno de los sectores. Los coeficientes de
correlación varían dependiendo del caso observado. Para el total de la economía hay un
coeficiente de 0.78 mientras que para el sector manufacturero es 0.58. Los coeficientes para
el sector agropecuario y minero no son significativos. Los gráficos Total y Manufacturero
ilustran que parte del alto movimiento conjunto entre estas dos series de tiempo se puede
explicar por un fuerte componente común que tiende hacia la baja en una porción importante
de la muestra (desde 1999). Esto puede ser atribuido a la transición de la política monetaria
hacia un esquema de inflación objetivo y a un mejoramiento en el anclaje de las expectativas
de inflación.
11
Con el fin de eliminar el factor tendencial de la muestra se decidió ajustar las series de tiempo
como tasas de crecimiento. Los salarios nominales por hora fueron transformados en tasas
de crecimiento reales por año. En el caso de los índices de precios al no ser evaluados en una
base homogénea debido a los ajustes metodológicos a lo largo del tiempo, fueron modificadas
en dos maneras. En primer lugar, fueron transformadas en tasas de crecimiento, lo cual
representa el cambio anual de los precios. En segundo lugar, se le aplicó primera diferencia
al logaritmo natural de la variable y posteriormente se obtuvo una tasa de crecimiento anual.
Esta última transformación representa la velocidad a la cual cambian los precios
(aceleración), mostrando la dirección del efecto marginal del cambio en la inflación.
Tabla 1. Estadísticas descriptivas
Fuente: Banco de la República, DANE y elaboración propia.
Este ajuste también implica que la series son estacionarias de acuerdo a las pruebas estándar
de raíz unitaria ADF11. La inclusión de las variables de aceleración se hizo para fines
11 Los resultados de estas pruebas se encuentran en el Anexo A.
Observaciones Media Des. Std. Min Max
Trimestre 144 167.5 41.7133 1984Q1 2019Q4
Salario Total 140 .0106 .0697 -.1831 .1963
Salario Agro 140 .0447 .2810 -.5395 1.0598
Salario Mine 140 .2124 1.0745 -.8476 9.2486
Salario Manu 140 .0098 .0874 -.2460 .2727
Inflación IPC 139 -.0012 .0134 -.0593 .0510
Inflación IPP 139 -.0011 .0212 -.0662 .0551
Inflación Agro 139 -.0008 .0476 -.1179 .1160
Inflación Mine 139 -.0012 .0954 -.4127 .3577
Inflación Manu 139 -.0011 .0172 -.0563 .0365
Aceleración IPC 139 .2540 2.7691 -6.1383 30.4355
Aceleración IPP 139 .1512 3.7959 -15.8135 23.1285
Aceleración Agro 139 -.6221 2.9339 -18.6194 6.9918
Aceleración Mine 139 -1.1934 17.4055 -18.6279 65.3197
Aceleración Manu 139 .2983 3.3944 -10.9488 22.4507
12
descriptivos. Para el resto de la investigación, el análisis se basará en las series ajustadas del
costo laboral y la inflación de precios.
En la Tabla 1 se pueden observar las estadísticas descriptivas de las variables ajustadas. Los
sufijos Agro, Mine, Manu, señalan el sector agropecuario, minero y manufacturero,
respectivamente. En la ausencia de uno de estos sufijos, la variable corresponde al nivel
nacional.
3.2 Correlaciones cruzadas
Como primera consideración de la conexión entre salarios e inflación, esta subsección analiza
las variables a través de correlaciones cruzadas. La correlación cruzada permite examinar de
manera simple la estructura de prelación (o lead-lag structure en inglés) entre las dos series
como también la robustez de la relación. Se define la función de correlación cruzada como:
𝜌𝑖𝑗(𝑘) = 𝐶𝑜𝑟𝑟{𝑥𝑖(𝑡), 𝑥𝑗(𝑡 + 𝑘)} =𝑅𝑖𝑗(𝑘)
√𝑅𝑖𝑖(0)𝑅𝑗𝑗(0) (1)
En donde 𝜌11 y 𝜌22 son las funciones de auto correlación respectivas para 𝑥1 y 𝑥2. La
secuencia 𝜌12(k) es la función de correlación cruzada para los rezagos k escogidos ∈ (-Q, -
Q+1,…, -1,0,1,…,Q-1, Q).
Sí 𝜌12(k) = 0 para todos los rezagos, 𝑥1 y 𝑥2 no están correlacionados.
Figura 2. Correlación cruzada entre el costo laboral y cambio de los precios ajustados12
12 Los resultados de la significancia de los coeficientes se encuentran en el Anexo B.
13
Fuente:Banco de la República DANE y elaboración propia Periodo de la muestra: 1984Q1-2019Q4
Si la inflación de los costos laborales precediese el cambio de la inflación en la muestra, el
coeficiente de correlación más alto se ubicaría entre el costo laboral en el trimestre t y el
cambio de precios en el rezago k-t después de t. En otras palabras, si el coeficiente de
correlación más alto se ubica en el lado derecho de la gráfica habría indicios de la prelación
de los costos laborales. Si el coeficiente se ubica en el lado izquierdo de la gráfica habría
indicios de la prelación de los precios. Las correlaciones cruzadas (Figura 2) de las series
ajustadas muestran una baja correlación cíclica oscilando entre -0.23 (Manufacturero)13 y
0.29 (Agropecuario). Los coeficientes de correlación negativa están presentes en todos los
gráficos y resultan en una dirección contraria a la indicada en la literatura.
13 La correlación cruzada del grafico Total relaciona el salario promedio nacional con el IPP nacional. La relación entre el salario total y el IPC no fue significativa en estos ejercicios.
14
Figura 3. Correlación cruzada entre el costo laboral y la aceleración de los precios
ajustados14
Fuente:Banco de la República DANE y elaboración propia
No obstante, el fuerte componente cíclico es consistente y la predominancia de unos
coeficientes en rezagos ubicados en la parte izquierda o derecha del gráfico parecen indicar
una direccionalidad en cuanto a la estructura de prelación. Esto significa que, en la ausencia
de una correlación contemporánea, una de las variables puede (en un momento determinado)
preceder a la otra, para luego caer en una espiral precio-salarios de efectos contra cíclicos y
por ende la fluctuación de coeficientes negativos y positivos.
Al repetir el ejercicio anterior con la aceleración de los precios, las series ajustadas muestran
una respuesta similar con un rango de coeficientes entre -0.4 (Minero) y 0.26
14 Los resultados de la significancia de los coeficientes se encuentran en el Anexo B.
15
(Manufacturero). Sin embargo, el ciclo de correlación es menos consistente al oscilar con
mayor frecuencia entre coeficientes negativos y positivos. Lo anterior muestra que la
variación del salario no solo se limita al cambio de los precios, sino también a la velocidad
en la cual cambian estos precios.
Por otra parte y enfatizando en los resultados de la Figura 2, no se observa un patrón
sistemático entre la estructura de prelación de las variables. Se encuentran indicios de
unidireccionalidad desde los salarios hacia los precios en el total de la economía y en el sector
manufacturero. En el caso del sector agropecuario la relación causal es invertida, desde el
costo laboral hacia los precios. Mientras tanto, el sector minero presenta un efecto
contemporáneo. Los resultados disímiles de las correlaciones cruzadas presentan evidencia
preliminar para la posible determinación causal entre estas dos variables, por lo que amerita
una mayor profundización con métodos más sofisticados.
4.1 Corto plazo: Causalidad de Granger
Otra aproximación a la relación entre la inflación de los precios y los aumentos salariales
consiste en analizar si los cambios pasados de una variable tienen información útil al predecir
cambios futuros en la otra variable. Las pruebas de Causalidad de Granger se construyen a
partir de la estimación de un modelo bivariado de vectores autoregresivos de orden p (VAR).
Se adopta el acercamiento clásico en el cual el cambio de los precios (o el incremento salarial)
es regresado con p rezagos de ambas variables y la exclusión de los rezagos de los costos
laborales (o de los precios) es evaluado. El modelo VAR se define en la siguiente ecuación:
[𝑦1𝑡𝑦2𝑡
] = [𝑐1𝑐2] + [
𝜙11,1 𝜙12,1
𝜙21,1 𝜙22,1] [𝑦1,𝑡−1𝑦2,𝑡−1
] + ⋯+ [𝜙11,𝑝 𝜙12,𝑝
𝜙21,𝑝 𝜙22,𝑝] [𝑦1,𝑡−𝑝𝑦2,𝑡−𝑝
] + [𝑢1𝑡𝑢2𝑡
] (2)
O alternativamente:
𝑌 = ΦZ + U (3)
16
En donde Y es el vector de las variables endógenas, 𝛷 es la matriz de los coeficientes, Z es
la matriz de las variables exógenas ((𝑦1,0, … , 𝑦1,𝑡−1) (𝑦2,1, … , 𝑦2,𝑡)) y U el vector de los
errores. Las pruebas de causalidad se construyen mediante la estadística F que evalúa la
significancia conjunta de los parámetros asociados a cada una de las regresiones del sistema.
En esta subsección se consideran dos aproximaciones para analizar las preguntas en cuestión.
Para determinar la posible direccionalidad de las variables se utiliza la prueba de Causalidad
de Granger en toda la muestra. En cambio, para establecer la persistencia de esta relación
causal en el tiempo se utiliza la prueba de Causalidad de Granger Recursiva. Esta última
prueba se realiza en una base recursiva, se comienza estimando la ecuación sobre el periodo
1987Q2-1997Q4 y se le adiciona un año a la vez. Los rezagos fueron escogidos óptimamente
para minimizar los p-valores de la prueba de Causalidad de Granger15.
Pese a los bajos coeficientes de correlación encontrados anteriormente, las pruebas de
causalidad arrojan resultados diversos entre los sectores, confirmando parcialmente los
resultados de las correlaciones cruzadas16. Las direcciones de causalidad se mantienen
relativamente estables en el tiempo, contrario a lo encontrado para el caso estadounidense.
Teniendo en consideración la totalidad de los periodos, la relación causal entre los salarios y
la inflación del IPP total es bidireccional a una significancia conjunta entre el 1% y 5%. Esta
relación se afianza con el tiempo, mostrado estabilidad después de 2008. Al evaluar esta
regresión con los datos del IPC, se encuentra que el crecimiento de los salarios reales causa,
en el sentido de Granger, la inflación de precios a una significancia del 5%. Esta relación
causal es estable en el tiempo pero muestra bidireccionalidad en 1997, 1998 y 2006. El caso
del sector agropecuario es similar al del IPC. La inflación de los precios en el sector es
causada, en el sentido de Granger, por el aumento de los salarios a una significancia del 5%.
El sector minero, por su parte, no muestra relaciones causales significativas entre los salarios
y la inflación al analizarse de manera recursiva o teniendo en cuenta la totalidad de la
muestra. Por último, el comportamiento del sector manufacturero es similar al encontrado en
el total de la economía evaluado a través del IPC y del sector agropecuario. Los resultados
15 El rezago escogido óptimamente permanece constante a lo largo de la prueba, pero varía para cada caso: IPC (8 rezagos), IPP (3 rezagos), Agropecuario (4 rezagos), Manufacturero (9 rezagos). 16 A excepción del sector agropecuario y sector minero.
17
indican una relación causal, en el sentido de Granger, desde el aumento salarial hacia la
inflación de precios con un nivel de significancia del 5%.
Figura 4. Prueba de Causalidad de Granger Recursiva (p-valores)
Fuente: Banco de la República, DANE y elaboración propia. Nota: La línea horizontal negra representa el límite para la
significancia de la prueba a un nivel de 10%.
Con el fin de asegurar que los resultados obtenidos en las pruebas de causalidad son
correctos, es necesario comprobar la existencia de una relación de largo plazo entre las
variables. Misas y Oliveros (1994) sugirieron que la “existencia (de esta relación) implicaría
una modificación sustancial en la estimación de los parámetros del sistema, en la medida en
que dicha relación debe ser involucrada como una restricción de largo plazo. Dado que la
nueva estimación arroja un conjunto de parámetros y matrices de varianza-covarianza
diferentes, las pruebas de causalidad deben ser nuevamente desarrolladas” (p.7).
18
4.2 Largo plazo: Estimación VECM17
El concepto de cointegración se aproxima a la existencia de una relación de equilibrio en el
largo plazo, implicando que las variables observadas se mueven de manera cercana en el
tiempo y que la distancia entre las dos series es estacionaria por lo que no habría una
desviación arbitraria en el tiempo. Para la verificación de este equilibrio en el largo plazo,
existen dos alternativas. La metodología Engle-Granger utiliza estimaciones en dos etapas:
la primera etapa genera los residuales, mientras que la segunda etapa estima una regresión
de la primera diferencia de los residuales sobre el rezago de los residuos. Por otro lado, la
metodología de la máxima verosimilitud de Johansen estima y prueba la presencia de
múltiples vectores de cointegración a través del mayor número de correlaciones canónicas,
en la medida en que se consideran todos los posibles desequilibrios de largo plazo y no el
único implícito en la normalización exigida en Engle-Granger, por lo que permitirían llegar
a conclusiones mejor soportadas tal y como indica Misas y Oliveros (1994) y Bilgili (1998).
En consecuencia, se realizaron pruebas de cointegración de Johansen entre las variables de
precios y costos laborales, de manera agregada y desagregada por sector (ver Anexo D). Para
cada una de estas relaciones sus variables están cointegradas.
Los estimadores convencionales de regresiones, como el VAR, tienen buenas propiedades
para aplicarse en series de tiempo de covarianza estacionaria18, pero encuentran dificultades
con procesos cointegrados (Baum, 2016). En ese caso, un modelo VAR expresaría
únicamente las respuestas de corto plazo entre estas series, pero no capturaría las tendencias
de largo plazo entre las variables. Para superar este problema se utiliza un VECM(p-1), el
cual es un modelo VAR(p) incorporado con restricciones de cointegración. Estas
restricciones restringen el comportamiento de largo plazo de las variables endógenas para
converger a sus relaciones de cointegración, permitiendo examinar las dinámicas de corto y
largo plazo de las series. El modelo VEC bivariado se especifica en la siguiente ecuación:
17 Corresponde a Vector Error Correction Model (VECM) por sus siglas en ingles. 18 Significa que todas las auto covarianzas son finitas y no cambian en el tiempo.
19
∆𝑦𝑡 = 𝑣 + ∑ 𝛽𝑖∆𝑦𝑡−𝑖𝑘−1𝑖=1 + ∑ 𝜙𝑖∆𝑥𝑡−𝑗
𝑘−1𝑗=1 + 𝜆𝑢𝑡−1 + 𝜀𝑡 (5)
𝑢𝑡−1 = 𝐸𝐶𝑇𝑡−1 = 𝑦𝑡−1 − 𝛽0 − 𝛽1𝑥𝑡−1
En el cual el termino 𝑢𝑡−1 (el vector de cointegración) es la magnitud del desvío de y del
equilibrio de largo plazo en el periodo anterior. Este vector contiene la información de largo
plazo derivado de la relación de largo plazo entre las variables. El coeficiente 𝜆 representa
la corrección del error y mide la respuesta de cada variable a la magnitud del desvío, o la
velocidad de ajuste del parámetro, por lo que se esperaría un coeficiente negativo entre [-
1,0). Un coeficiente positivo indicaría una desviación sostenida del equilibrio, generado
inestabilidades producto de problemas de especificación. Por otro lado, la construcción del
VECM precisa la diferenciación del VAR por lo que se pierde un rezago. Por esta razón las
sumatorias en la ecuación (5) llegan hasta el parámetro k-1.
El Anexo E reporta los resultados de las correlaciones obtenidas de la estimación de los
modelos VEC entre las variables de interés. El rezago óptimo fue escogido según el criterio
de selección por orden, el cual varió entre [2] y [4] dependiendo del sector. En la mayoría de
los casos, los términos de ajuste son negativos y significativos en un rango entre el 1% y
10%, sugiriendo que los errores del periodo anterior han sido corregidos durante el presente
a una velocidad de convergencia 𝜆 determinada. Por otro lado, todos los modelos cumplen
con la condición de estabilidad del valor propio19 y no muestran problemas de
autocorrelación según la prueba de multiplicador de Lagrange. Por último, la causalidad de
corto plazo se comprobó mediante pruebas de Wald.
La relación causal entre los salarios y la inflación a través del IPC difiere de lo encontrado
en los resultados VAR, al no encontrarse relaciones de causalidad en el corto plazo. En el
largo plazo ambas variables tienen una influencia positiva en la otra: un aumento de 1% en
los precios genera un aumento de 1.71% en los salarios, y un incremento del 1% en los
salarios produce un aumento de 0.85% en los precios20. Al medir la inflación a través del
IPP, se comprueba una relación causal en el corto plazo desde los salarios hacia los precios
19 Eigenvalue en inglés. 20 Todas las relaciones de largo plazo se concluyen con un nivel de significancia de 1%.
20
a una significancia del 1%21. En el largo plazo esta relación es bidireccional: un aumento de
1% en los precios genera un aumento de 1.41% en los salarios, mientras que un incremento
de 1% en los salarios produce un aumento de 0.7% en el IPP.
Para el sector agropecuario, los resultados de corto plazo difieren una vez más de los
encontrados en la sección anterior. Se encuentra que la variación de los precios genera
variación en los salarios a una significancia del 5%. La mayoría de las empresas en este sector
son de tamaño pequeño y el poder de mercado es prácticamente nulo debido a la baja
diferenciación y la alta competencia que existe en los bienes primarios. Por esta razón los
precios están determinados exógenamente en mercados nacionales e internacionales y, por
lo tanto, las decisiones de producción recaen en la capacidad de adaptar su estructura de
costos al precio. Considerando esta relación el largo plazo, un aumento de 1% en los precios
genera un aumento de 1.53% en los salarios, a la vez que un aumento de 1% en los salarios
produce un aumento de 0.64% en los precios agropecuarios.
A diferencia de los resultados anteriores, el sector minero y manufacturero confirman las
conclusiones encontradas en las pruebas de causalidad de Granger. Para el primer caso, no
se encuentran relaciones de causalidad significativas en el corto plazo pero si en el largo
plazo: un aumento de 1% en los precios genera un incremento de 4.14% en los salarios, entre
tanto un aumento de 1% en los salarios produce un incremento de 0.24% en los precios. La
ausencia de esta relación en el corto plazo se puede explicar debido a que la mayoría de las
empresas en este sector están sujetas a la determinación exógena de los precios de las
materias primas debido a su pequeña captación del mercado internacional. Esto significa que
las fluctuaciones de los precios no responden a las variaciones de los costos, ni a la
productividad marginal. En Formación e incrementos de salarios en Colombia: un estudio
microeconómico a partir de una encuesta a nivel de firma (2009) las autoras destacan que el
64% de las firmas del sector electricidad, gas y minería consideran que los incrementos
salariales son poco o no importantes en el ajuste de los precios.
Para el caso manufacturero se encuentra evidencia de una relación causal desde los salarios
hacia los precios en el corto plazo a una significancia del 5%. Las manufacturas están
21 Este resultado refuta la causalidad bidireccional encontrada en la prueba de causalidad de Granger.
21
caracterizadas por ser bienes del sector secundario y por lo tanto tienen un mayor grado de
diferenciación, lo cual permitiría cierto margen para la determinación de sus precios para la
maximización de sus beneficios sujeta a su función de producción. En el largo plazo está
relación es bidireccional y un incremento de 1% en los precios (salarios) genera un aumento
de 1.28% en los salarios (0.78% en los precios).
5. Resumen y Conclusión
Desde la primera mención de esta relación por parte de Fisher en 1926, académicos e
investigadores han intentado descifrar la conexión entre los precios y los salarios debido a la
gran importancia que tienen en la determinación de variables macroeconómicas como el
desempleo y la inflación. A partir de entonces, varios autores como Gordon (1988), Mehra
(2000), Aaronson (2001), Arango et al. (2010), entre otros, han estudiado el efecto
transmisión entre los salarios y los precios llegando a conclusiones disímiles. La literatura
parece indicar que la discrepancia entre los resultados de causalidad se debe a la gran
dependencia que tienen estas variables al marco estructural económico, por lo que el análisis
se debe realizarse de manera desagregada, ya sea por país o por sector económico. Teniendo
en cuenta lo anterior, proporcionar un mejor entendimiento de este fenómeno también es de
gran importancia desde una perspectiva de política pública. La comprensión de esta dinámica
permitiría una mejor proyección de las posibles consecuencias de un cambio de una estas
variables sobre la otra, ya sea en la determinación del aumento del SM a final de año (o de
cualquier política que incremente los salarios de manera generalizada) o en la reducción de
la tasa de interés y el posterior aumento inflacionario.
En esta investigación se evalúa la existencia de la relación entre los costos laborales y la
inflación de precios en Colombia para el periodo 1984Q1-2019Q4. Utilizando información
trimestral de salarios y dos índices de precios (IPC e IPP), se construyeron varias series de
tiempo para delimitar la relación causal de estas variables de manera desagregada entre
sectores (Agropecuario, Minero y Manufacturero) y agregada para toda la economía.
22
Previo a los ejercicios econométricos se realizaron pruebas de correlación cruzada para
analizar de manera preliminar la relación causal y el grado de correlación entre las variables.
Por un lado, se evidenció una correlación baja entre las variables de precios y los costos
laborales, obteniendo, estos últimos, una respuesta tanto en el cambio de los precios, como
en la velocidad de estos cambios (aceleración). Por otro lado, se halló un comportamiento
cíclico marcado en los coeficientes de correlación tanto de las series inflacionarias como en
sus aceleraciones. La predominancia de ciertos coeficientes y la presencia de coeficientes
negativos parecen sugerir que, en la ausencia de contemporaneidad, la estructura cíclica de
una de las variables puede (en un momento determinado) preceder a la otra, para luego caer
en una espiral precio-salarios de efectos contra cíclicos.
Los hallazgos de las pruebas de causalidad de Granger para el corto plazo sugieren una visión
presión salarial, en el cual los salarios totales, los salarios del sector agropecuario y
manufacturero causan, en el sentido de Granger, la inflación de precios de manera agregada22
y en sus respectivos sectores. Para el caso de la inflación medida a través del IPP, se encuentra
una relación causal bidireccional y estable en el tiempo. El sector minero no presenta
conclusiones significativas en cuanto a la causalidad de sus variables. Con el fin de garantizar
la validez de los resultados de corto plazo, se evaluó la presencia de tendencias de equilibrio
en el largo plazo. Las pruebas de cointegración de Johansen corroboraron la existencia de
esta relación en el largo plazo. Según Misas y Oliveros (1994) “desconocer la presencia de
relaciones de largo plazo tiene efectos nocivos en la evaluación de relaciones de causalidad;
en general, pérdida de potencia de las pruebas de significancia sobre los parámetros en
muestras pequeñas” (p.24). En consecuencia, se realizó nuevamente el análisis mediante
VECM para corroborar los resultados obtenidos para el corto plazo.
Las estimaciones para el corto plazo muestran una correspondencia baja con los resultados
obtenidos a través de las pruebas de causalidad de Granger, concordaron solamente dos de
los cinco casos evaluados. Para la inflación medida a través del IPC y el sector minero, no se
encontraron relaciones de causalidad entre sus variables. Para la inflación medida a través
del IPP y el sector manufacturero se evidenció causalidad desde los salarios hacia los precios
a una significancia del 1% y 5%, respectivamente. Para el sector agropecuario la dirección
22 Al medirse a través del IPC.
23
de la relación causal se invierte, pasando de los precios hacia los salarios a una significancia
del 5%.
En cuanto al largo plazo, las relaciones de causalidad son bidireccionales en todos los casos
observados a una significancia del 1%. No obstante, el impacto que tienen estas variables es
diferenciado y parecen indicar una reacción mayor cuando hay un incremento en los precios
que cuando incrementan los salarios. Un aumento del 1% en los precios genera un incremento
entre 1.28% y 4.14% según el caso. Mientras tanto, un aumento del 1% en los salarios
produce un incremento entre 0.24% y 0.85% según el caso.
Finalmente, las estimaciones muestran resultados contrarios a los encontrados para Estados
Unidos al establecer causalidades unidireccionales a niveles sectoriales y agregados a una
significancia entre el 1% y 5%. Estas relaciones causales se han mantenido relativamente
estables en el tiempo pero las correlaciones entre sus variables son sustancialmente menores
a los encontrados para Europa (Bobeica, Ciccarelli, & Vansteenkiste, 2019). La
direccionalidad de la causalidad varía según el sector evaluado y parece responder a
dinámicas tanto internas, como externas que estructuran las rigideces en sus costos laborales
y en sus precios. Unos factores determinantes para explicar la dirección de esta relación
recaen en el tamaño promedio de las firmas en el sector y su poder relativo de mercado.
Reconocimientos
Agradezco a Carolina Soto Losada, a Oscar Becerra, a Luis Eduardo Arango y a Andrés
Dávila por sus valiosos comentarios. Sirvieron para la mejora de este documento, tanto en la
base teórica como en los resultados empíricos
24
Referencias Aaronson, D. (2001). Price pass-through and the minimum wage. Review of Economics and
Statistics(83), 158-169.
Arango, L., Ardila, L., & Gómez , M. (2010). Efecto del cambio del salario mínimo en el precio de las
comidas fuera del hogar en Colombia. Borradores de Economía(584).
Baum, C. F. (2016). VAR, SVAR and VECM models. Boston College .
Bidder, R. (2015). Are Wages Useful in Forecasting Price Inflation. FRBSF Economic Letter.
Bilgili, F. (1998). Stationarity and cointegration tests: Comparison if Engle-Granger and Johansen
methodologies . Erciyes University .
Bobeica, E., Ciccarelli, M., & Vansteenkiste, I. (2019). The link between labor cost and price
inflation in the euro area. European Central Bank Working Paper Series .
Box, G. E., Jenkins, G. M., & Reinsel, G. C. (2008). Time Series Analysis: Forecasting and Control (4
ed.). NJ: Wiley.
Bvirindi , T. (n.d.). Stationarityand Cointegration analysis. Retrieved from COMESA MONETARY
INSTITUTE: https://cmi.comesa.int/wp-content/uploads/2014/06/Stationarity-and-
Cointegration-Analysis.pdf
Card, D., & Krueger, A. (1995). Myth and measurment: The new economics of the minimum wage.
Princeton University Press.
Darrat, A. (1994). Wage Growth and the Inflationary Process: A Reexamination. Southern Economic
Journal, 61(1), 181-190.
Dirección de Metodología y Producción Estadística . (2015). Ficha Metodológica Índice de Precios
del Productor – IPP-. DANE.
Dirreción de Metodología y Producción Estadística . (2016). Ficha Metodológica Gran Encuesta
Integrada de Hogares - GEIH. DANE.
Dirreción de Metodología y Producción Estadística . (2019). METODOLOGÍA GENERAL ÍNDICE DE
PRECIOS AL CONSUMIDOR – IPC. DANE.
Emery, K., & Chang, C. (1996). Do Wages Help Predict Inflation. Dallas : Federal Reserve.
Fisher , I. (1926). A Statistical Relation between Unemployment and Price Changes. International
Labour Review, 13(6), 785-92.
Ghali, K. (1999). Wage Growth and the Inflation Process: A Multivariate Cointegration Analysis.
Journal of Money, Credit and Banking, 31, 417-431.
González, E., Jalil, M., & Romero, J. V. (n.d.). Inflación y expectativas de inflación en Colombia .
Banco de la República .
Gordon, R. (1988). The Role of Wages in the Inflation Process. American Economic Review, 78, 276-
283.
25
Gordon, R. (1997). The Time-Varying NAIRU and its Implications for Economic Policy. The Journal
of Economic Perspectives, 11(1), 11-32.
Gordon, R. (1998). Foundations of the Goldilocks Economy: Supply Shocks and the Time-Varying
NAIRU. Brookings Papers on Economic Activity(2), 297-346.
Hamilton, J. D. (n.d.). Time Series Analysis . Princeton: Princeton University Press.
Hess, G. (1999). Does Wage Inflation Cause Price Inflation? Bradley Policy Research Center.
Shadow Open Market Committee Policy Statement and Position Papers.
Hess, G., & Schweitzer, M. (2000). Does Wage Inflation Cause Price Inflation. Federal Reserve Bank
of Cleveland. Policy Discussion Paper.
Hu, C., & Trehan, B. (1995). Modeling the Time-Series Behavior of the Aggregate Wage Rate.
Economic Review, 3-13.
Hu, L., & Tousaaint-Comeau, M. (2010). Do Labor Markets Activities Help Predict Inflation?
Economic Perspectives, 52-63.
Iregui, A. M., Melo, L. A., & Ramírez , M. T. (2009). Formación e incrementos de salarios en
Colombia: Un estudio microeconómico a partir de una encuesta a nivel de firma. Banco de
la República. Bogotá: Borradores de Economía.
Katz, L., & Krueger , A. (1992). The effect of the minimum wage on the fast food industry.
Industrial and Labor Relations Review , 46(1), 6-21.
Knotek, E., & Zaman, S. (2014). On the Relationships between Wages, Prices and Economic
Activity. Economic Commentary .
Lasso Valderrama, F. J. (2005). Incrementos del salario mínimo legal: ¿Cuál es el impacto
redistributivo del cambio en los precios relativos al consumidor? Banco de la República.
López E, E., & Misas A, M. (1998, Diciembre). Un examen empírico de la curva de Phillips en
Colombia. Revista ESPE(34), 39-87.
Lucas, R., & Sargent , T. (1978). After Keynesian Econometrics. After the Phillips Curve: Persistence
of High Inflation and High Unemployment. 19, pp. 49-72. Boston: Federal Reserve Bank of
Boston.
Mehra, Y. (1991). Wage Growth and the Inflation Process: An Empirical Note. American Economic
Review, 81, 931-937.
Mehra, Y. (2000). Wage-price dynamics: are they Consistent with Cost Push? Economic Quartely ,
27-43.
Misas, M., & Oliveros, H. (1994). La relacion entre salarios y precios en colombia: un analisis
econometrico. Bogotá: Banco de la República.
Misas, M., López, E., & Parra, J. C. (2009). La formación de precios en las empresas colombianas:
evidencia a partir de una encuesta directa. Banco de la República. Bogotá: Borradores de
Economía .
26
Morales , P., & Jaramillo , C. F. (1996). Estructura del índice de precios al consumidor: algunas
implicaciones para el análisis de la inflación. Conyuntura Economica.
Newton , H. J. (1988). TIMESLAB: A Time Series Analysis Laboratory. Belmont, California :
Wadsworth.
Peneva, E., & Rudd, J. (2017). The Passthough of Labor Costs to Proce Inflation. Journal of Money,
Credit and Banking, 49(8), 1777-1802.
Sbordone, A. (2002). Prices and Unit Labor Costs: A New Test of Price Stickiness. Journal of
Monetary Economics(49), 265-292.
27
Anexo A. Resultados VECM
Salarios Totales vs IPC
_cons -8.865293 . . . . .
P_IPC 1.173933 .2904882 4.04 0.000 .6045871 1.74328
lnWTotal 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
Identification: beta is exactly identified
_ce1 1 16.33165 0.0001
Equation Parms chi2 P>chi2
Cointegrating equations
_cons -.0016844 .0010941 -1.54 0.124 -.0038287 .00046
LD. .2365182 .0794162 2.98 0.003 .0808653 .3921712
P_IPC
LD. .0192362 .0208098 0.92 0.355 -.0215504 .0600227
lnWTotal
L1. -.0176096 .0136591 -1.29 0.197 -.044381 .0091618
_ce1
D_P_IPC
_cons .0002356 .0043074 0.05 0.956 -.0082067 .008678
LD. -.4207837 .3126665 -1.35 0.178 -1.033599 .1920314
P_IPC
LD. -.357361 .0819296 -4.36 0.000 -.51794 -.196782
lnWTotal
L1. -.1258707 .0537769 -2.34 0.019 -.2312714 -.02047
_ce1
D_lnWTotal
Coef. Std. Err. z P>|z| [95% Conf. Interval]
_cons -7.551785 . . . . .
lnWTotal .851837 .1923081 4.43 0.000 .4749201 1.228754
P_IPC 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
28
Salarios Totales vs IPP
_cons -8.884304 . . . . .
P_IPP 1.418787 .2824878 5.02 0.000 .8651212 1.972453
lnWTotal 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
Identification: beta is exactly identified
_ce1 1 25.22522 0.0000
Equation Parms chi2 P>chi2
Cointegrating equations
_cons -.0022187 .0017754 -1.25 0.211 -.0056983 .001261
L3D. -.0862533 .089788 -0.96 0.337 -.2622344 .0897279
L2D. .0070579 .0932244 0.08 0.940 -.1756585 .1897743
LD. .3733103 .0877047 4.26 0.000 .2014122 .5452084
P_IPP
L3D. .0698271 .0343998 2.03 0.042 .0024047 .1372495
L2D. .0334952 .0390917 0.86 0.392 -.043123 .1101135
LD. .0287583 .037827 0.76 0.447 -.0453814 .1028979
lnWTotal
L1. -.0363152 .0220139 -1.65 0.099 -.0794616 .0068312
_ce1
D_P_IPP
_cons .0005884 .0043205 0.14 0.892 -.0078797 .0090565
L3D. .0590671 .2185092 0.27 0.787 -.369203 .4873372
L2D. -.2835137 .226872 -1.25 0.211 -.7281748 .1611473
LD. -.0282202 .2134393 -0.13 0.895 -.4465536 .3901132
P_IPP
L3D. -.1176299 .0837159 -1.41 0.160 -.28171 .0464502
L2D. -.1568061 .095134 -1.65 0.099 -.3432652 .0296531
LD. -.4179936 .0920564 -4.54 0.000 -.5984209 -.2375664
lnWTotal
L1. -.1369264 .0535733 -2.56 0.011 -.2419281 -.0319247
_ce1
D_lnWTotal
Coef. Std. Err. z P>|z| [95% Conf. Interval]
_cons -6.2619 . . . . .
lnWTotal .7048274 .154223 4.57 0.000 .4025559 1.007099
P_IPP 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
29
Sector Agropecuario
.
_cons -8.755874 . . . . .
P_IPPAgro 1.538673 .2262405 6.80 0.000 1.09525 1.982096
lnWAgro 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
Identification: beta is exactly identified
_ce1 1 46.25426 0.0000
Equation Parms chi2 P>chi2
Cointegrating equations
_cons -.0019232 .0038287 -0.50 0.615 -.0094273 .0055809
LD. .2951384 .0827586 3.57 0.000 .1329344 .4573423
P_IPPAgro
LD. .0276283 .0177734 1.55 0.120 -.0072071 .0624636
lnWAgro
L1. -.0582332 .0213308 -2.73 0.006 -.1000408 -.0164257
_ce1
D_P_IPPAgro
_cons .0001845 .0180487 0.01 0.992 -.0351904 .0355594
LD. .8630467 .3901299 2.21 0.027 .0984061 1.627687
P_IPPAgro
LD. -.1938562 .0837852 -2.31 0.021 -.3580722 -.0296401
lnWAgro
L1. -.6071119 .1005547 -6.04 0.000 -.8041955 -.4100282
_ce1
D_lnWAgro
Coef. Std. Err. z P>|z| [95% Conf. Interval]
_cons -5.690536 . . . . .
lnWAgro .6499107 .0791744 8.21 0.000 .4947319 .8050896
P_IPPAgro 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
30
Sector Minero
_cons -10.14752 . . . . .
P_IPPMine 4.146277 .5345069 7.76 0.000 3.098662 5.193891
lnWMine 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
Identification: beta is exactly identified
_ce1 1 60.17414 0.0000
Equation Parms chi2 P>chi2
Cointegrating equations
_cons -.001528 .0071102 -0.21 0.830 -.0154638 .0124077
LD. .4449898 .0821956 5.41 0.000 .2838893 .6060903
P_IPPMine
LD. .021664 .0145271 1.49 0.136 -.0068085 .0501366
lnWMine
L1. -.0762182 .0128865 -5.91 0.000 -.1014753 -.0509612
_ce1
D_P_IPPMine
_cons .0003772 .0361214 0.01 0.992 -.0704194 .0711737
LD. .653368 .4175709 1.56 0.118 -.1650559 1.471792
P_IPPMine
LD. -.3983547 .0738005 -5.40 0.000 -.543001 -.2537083
lnWMine
L1. -.3087865 .065466 -4.72 0.000 -.4370975 -.1804755
_ce1
D_lnWMine
Coef. Std. Err. z P>|z| [95% Conf. Interval]
_cons -2.447382 . . . . .
lnWMine .2411802 .0420912 5.73 0.000 .1586831 .3236774
P_IPPMine 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
31
Sector Manufacturero
_cons -8.684476 . . . . .
P_IPPManu 1.279738 .3327253 3.85 0.000 .6276085 1.931868
lnWManu 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed
Identification: beta is exactly identified
_ce1 1 14.79349 0.0001
Equation Parms chi2 P>chi2
Cointegrating equations
_cons -.0012272 .0013615 -0.90 0.367 -.0038958 .0014413
L3D. -.1819316 .088258 -2.06 0.039 -.3549142 -.0089491
L2D. -.0094001 .0971184 -0.10 0.923 -.1997487 .1809485
LD. .4960355 .0870839 5.70 0.000 .3253543 .6667167
P_IPPManu
L3D. .0123448 .0196703 0.63 0.530 -.0262081 .0508978
L2D. .0141217 .0236073 0.60 0.550 -.0321477 .0603911
LD. .0020954 .022167 0.09 0.925 -.0413511 .045542
lnWManu
L1. -.0099798 .0155325 -0.64 0.521 -.040423 .0204634
_ce1
D_P_IPPManu
_cons .0000687 .0058534 0.01 0.991 -.0114037 .0115411
L3D. .2146298 .3794301 0.57 0.572 -.5290396 .9582991
L2D. -.1392328 .4175218 -0.33 0.739 -.9575606 .679095
LD. -.0909903 .3743823 -0.24 0.808 -.8247662 .6427855
P_IPPManu
L3D. -.1875362 .0845644 -2.22 0.027 -.3532794 -.0217929
L2D. -.2606601 .1014901 -2.57 0.010 -.459577 -.0617433
LD. -.5485304 .0952982 -5.76 0.000 -.7353115 -.3617494
lnWManu
L1. -.1783184 .066776 -2.67 0.008 -.3091969 -.0474399
_ce1
D_lnWManu
Coef. Std. Err. z P>|z| [95% Conf. Interval]
_cons -6.786136 . . . . .
lnWManu .7814099 .2031561 3.85 0.000 .3832313 1.179589
P_IPPManu 1 . . . . .
_ce1
beta Coef. Std. Err. z P>|z| [95% Conf. Interval]
Johansen normalization restriction imposed