Documento de Trabajo 02-12(01) Serie de Estadstica y Econometra Julio 2002

Departamento de Estadstica y Econometra Universidad Carlos III de Madrid

Calle Madrid, 126 28903 Getafe (Spain)

Fax (34) 91 624-98-49

CONSIDERACIONES ECONOMTRICAS PARA EL ANLISIS DE LA

COYUNTURA ECONMICA. Antoni Espasa Terrades* Resumen En este trabajo se propone una metodologa para el anlisis de la coyuntura de indicadores econmicos basada en resultados, fundamentalmente predicciones, obtenidos mediante modelos economtricos. La metodologa consiste en realizar el anlisis economtrico sobre una desagregacin, por criterios econmicos, de los indicadores, de forma que se aumente de modo relevante la informacin sobre la diversidad de los factores tendenciales, estacionales, cclicos, etc. del agregado, al tiempo que se mantengan buenas proporciones seal/ruido en todos los componentes. La diversidad ms importante es la tendencial, con lo que la desagregacin se vincula mayormente a la no existencia de cointegracin plena entre componentes. La metodologa se completa empleando modelos economtricos de indicador adelantado para cada componente y trabajando con modelos no lineales cuando es necesario. Este enfoque genera predicciones ms ajustadas que las que se obtienen con modelos sobre los datos agregados. Adems para el diagnstico se tiene que la desagregacin aporta informacin sobre la contribucin de los componentes mercados, sectores, etc.- a la prediccin agregada, con lo que se detecta cules de ellos pueden tener una situacin futura ms problemtica, cmo es la situacin relativa de los mercados, etc., con lo que sin realizar anlisis de causalidad se tienen seales firmes sobre los principales factores causales en la evolucin del agregado e informacin valiosa para perfilar medidas de poltica econmica. Palabras clave: Desagregacin; tendencia; cointegracin; prediccin; indicadores econmicos y poltica econmica. *Espasa, Departamento de Estadstica y Econometra e Instituto Flores de Lemus de la Universidad Carlos III de Madrid, C/ Madrid 126, 28903 Getafe (Madrid), Tfno: 34-1-6249803, e-mail: espasa@est-econ.uc3m.es. Este documento est basado en la experiencia en predicciones durante varios aos de un grupo de personas como, R. Albacete, E. Senra, L. Siz, A. Garre, P. Poncela, J.M. Martnez y I. Muoz. Estoy agradecido a Albert Prat por sus comentarios a una primera versin de este trabajo.

2

0. INTRODUCCIN

En este trabajo se propone que el anlisis de la coyuntura debe basarse en resultados obtenidos mediante modelos economtricos. Las posibles utilidades de los modelos economtricos: estructural, predictiva y de simulacin, dependen de la naturaleza de los mismos, siendo los denominados modelos congruentes los ms completos. En el anlisis de la coyuntura las predicciones son imprescindibles y stas se pueden obtener con cualquier tipo de modelo, en particular con modelos con races unitarias e indicadores adelantados. En la seccin I se discuten las ventajas e inconvenientes de ambos tipos de modelos y se apunta que con frecuencia los modelos de indicador adelantado -que no suelen incluir lneas tericas de causalidad- resultan ms operativos para predecir, al poder incorporar la informacin mensual ms reciente.

Los fundamentos para la buena prediccin econmica son informacin relevante, metodologa economtrica y teora econmica que oriente sobre la forma de estructurar los datos y formular los modelos. En la seccin II se argumenta que un medio de aumentar la informacin relevante en la prediccin es desagregar, de acuerdo con criterios econmicos, los indicadores macroeconmicos, de forma que la configuracin de cada componente sea relativamente homognea al tiempo que entre componentes se capte una diversidad relevante en cuanto a factores tendenciales, estacionales o cclicos en el agregado.

La diversidad que resulta ms importante es la tendencial, con lo que la

conveniencia de la desagregacin se relaciona con la no existencia de cointegracin plena entre los componentes.

La diversidad entre componentes permite que incluso modelos

univariantes simples sobre ellos impliquen modelos complejos y con restricciones para el agregado. De ah la posible ganancia con la desagregacin. Por el contrario, desagregando se reduce en los componentes la relacin seal/ruido, de modo que la potencia de esta proporcin seal/ruido determina los lmites en los que la desagregacin puede tener ventajas sobre el anlisis agregado.

Con la desagregacin es ms fcil especificar y estimar las

caractersticas no lineales de los indicadores econmicos al poderlo hacer de forma restrictiva en los componentes que realmente lo requieren. Esto junto con la posibilidad de incluir indicadores adelantados especficos a cada componente ampla las ventajas predictivas del enfoque desagregado. Otro limite a la desgregacin viene dado por la posibilidad de construir modelos aceptables -que pueden ser no lineales- para cada componente.

En el diagnstico la desagregacin tiene tambin una aportacin

importante, ya que no slo da predicciones del agregado, sino que seala la contribucin de cada componente en ellas, con lo que con fines de poltica econmica se conoce que mercados o sectores son los que contribuyen ms a la prediccin del agregado.

3

I. OBJETIVOS Y METODOLOGA BASADA EN MODELOS PARA EL

ANLISIS DE LA COYUNTURA ECONMICA. LA RELEVANCIA DE LA PREDICCIN ECONMICA.

I. 1 METODOLOGA BASADA EN MODELOS ECONOMTRICOS.

El anlisis de la coyuntura consiste segn Espasa y Cancelo (1993) en: Evaluar y cuantificar la situacin presente de un fenmeno econmico Incidiendo en los aspectos esenciales del mismo Proyectando su futuro Comparando dicha situacin con apreciaciones anteriores Sealando en todo ello la contribucin de las variables causales y Vinculando el anlisis del fenmeno en cuestin con otros con quienes

tenga una relacin de dependencia En una orientacin moderna dicho anlisis debe basarse en modelos estadsticos economtricos como marco que permite recoger las principales caractersticas del comportamiento histrico de los datos adecuadamente estructurados y de acuerdo con resultados de aceptacin suficientemente amplia de la teora econmica.

Este contexto proporciona un fundamento vlido, tanto terico como emprico, a los resultados utilizados en el anlisis de coyuntura con lo que dicho anlisis y los diagnsticos contenidos en l adquieren garantas de objetividad. El soporte economtrico permite adems detectar discrepancias no admisibles entre los modelos y los nuevos datos que van apareciendo, de las que se puede aprender cmo plantear formulaciones de los modelos ms acordes con la nueva evidencia. As pues, el anlisis de la coyuntura basado en modelos economtricos no slo da garantas de objetividad, sino que adems resulta ser un procedimiento eficaz para aprender progresivamente de los errores pasados y aumentar de forma continua la utilidad del anlisis.

Los modelos economtricos segn su naturaleza pueden tener distintos usos en un anlisis de coyuntura. As pueden emplearse con fines estructurales, de prediccin o de simulacin. En el primer caso el modelo se utiliza para inferir sobre las caractersticas bsicas del sistema econmico que se est considerando. Por ejemplo, un modelo sobre la demanda de importaciones de bienes de equipo en la economa espaola -vase Martnez (2000)- puede servir para estimar que las elasticidades de dichas importaciones respecto a la renta y a un indicador de los precios internos en relacin a precios externos es de 2,8 y -2,4, respectivamente, mientras que las importaciones de alimentos son mucho ms elsticas respecto a la renta (4.8) y mucho menos respecto a precios (-0.8). Un modelo diario que relacione la demanda de energa elctrica con la temperatura -vase Cancelo y Espasa (1996)- puede servir para estimar que

4

en un determinado da con la temperaturas por debajo de 20 grados, la variacin de la temperatura en un grado aumenta la demanda de energa elctrica en ese da en un 0,54%, si el da es laborable, y en un 0,62%, si es festivo.

Un modelo sobre la inflacin en el ndice de precios al consumo, -vase Espasa et al (2002)-, desagregado en dos componentes, la inflacin subyacente, referida a la generada en los precios de los servicios y bienes elaborados no energticos, y la inflacin residual referida a la generada en los restantes precios: alimentos no elaborados y energa, puede servir para medir que un impacto de un 1.0% en la inflacin subyacente va a tener un efecto a medio plazo de 1.8%, mientras que en la inflacin residual un impacto de la misma magnitud no va a tener un efecto multiplicador a medio plazo.

En Espasa et al (1993) se estima un modelo sobre la demanda de turismo por parte de extranjeros en Espaa en el que la elasticidad respecto a los precios relativos pasa de un valor negativo de 0,56%, correspondiente a una situacin normal de evolucin de los precios, a otro negativo de 1,32%, si los precios relativos suben por encima de una determinada banda de valores. Esto pone de manifiesto, la sensibilidad de dicha demanda a fuertes subidas en los precios relativos, lo cual resulta muy relevante en cualquier anlisis sobre la coyuntura del sector turstico. Estimaciones como las sealadas en los casos anteriores son de gran ayuda para ilustrar y fundamentar un anlisis y diagnstico sobre la coyuntura econmica.

En segundo lugar, como todo modelo economtrico incorpora una

explicacin sobre la generacin de los datos, se tiene adems que ste puede utilizarse para proyectar o predecir la evolucin futura de los mismos. Este es uno de los principales usos de los modelos economtricos para el anlisis de la coyuntura, ya que como se ha mencionado antes, dicho anlisis se centra en una evaluacin del presente estimando (prediciendo) sus implicaciones hacia el futuro.

Finalmente si se dispone de un modelo economtrico causal se puede utilizar ste para simular el comportamiento de las variables (endgenas) que se determinan en el modelo en funcin de una hiptesis sobre la evolucin de variables (exgenas) explicativas. En modelos macroeconmicos nacionales las simulaciones principales se realizan sobre variables explicativas referentes a la poltica monetaria o fiscal. Con tales simulaciones se puede obtener una visin ms profunda para recomendar medidas de poltica econmica.

I. 2 MODELOS ECONOMETRICOS CAUSALES Y MODELOS ECONOMETRICOS DE INDICADOR ADELANTADO

El tipo de modelo economtrico que se muestra relevante para el anlisis cuantitativo es el denominado modelo congruente, en la terminologa del profesor Hendry. En una descripcin poco precisa, pero quizs suficientemente intuitiva, se puede decir que este tipo de modelo entre otras cosas incluye toda la informacin disponible que es relevante para el anlisis del fenmeno en cuestin, se frmula en trminos de los parmetros de inters

5

segn la teora econmica, incorporando, por tanto, las relaciones de causalidad entre las variables de acuerdo con dicha teora y se frmula en trminos de parmetros que resultan constantes en el tiempo. La caracterstica primordial de este tipo de modelos es que son causales de acuerdo con una determinada teora y en lo que sigue, al coste de no ser suficientemente precisos, se les denominar simplemente modelos causales. En el anlisis de la coyuntura econmica resulta imprescindible el uso de los modelos economtricos para predecir y esa labor se puede realizar con cualquier tipo de modelo. En este trabajo nos centraremos principalmente en la utilidad predictiva de los modelos, pero si el analista dispone de modelos economtricos causales podr adems incluir en su anlisis una descripcin de las caractersticas del fenmeno econmico objeto del estudio, que ilustrarn y fundamentarn las previsiones sobre su evolucin futura. Adems, con dichos modelos puede ser factible simular la evolucin del fenmeno utilizando supuestos diferentes sobre el comportamiento de las variables que puede controlar la autoridad econmica. Los resultados de estas simulaciones son muy tiles para discernir entre polticas alternativas. Como se discute ms adelante, modelos economtricos con fines exclusivamente predictivos son mucho ms fciles de construir que modelos que adems sirvan para el anlisis estructural y la simulacin.

En la modelizacin economtrica moderna, vase Clements y Hendry

(1999), ya no se parte de la hiptesis de que el proceso que genera los datos (PGD) es inmutable, como quizs podra asumirse en astronoma, sino que se considera un supuesto ms realista consistente en que tal proceso est sujeto a cambios estructurales.

Los cambios estructurales son bsicamente cambios imprevisibles o

cambios que generan efectos que eran inestimables con anterioridad a su aparicin. Si con anterioridad a un efecto de este tipo se dispusiese de un modelo con una estructura que permitiese anticiparlo y estimarlo, ello implicara que la evolucin que el cambio comporta estaba incorporada en las estructura del modelo y en consecuencia no se tratara de un cambio estructural segn la definicin anterior. Por lo tanto, modelos congruentes capaces de dar una explicacin aceptable del comportamiento de los datos hasta el presente no van a anticipar cambios estructurales, debido a la propia naturaleza de tales cambios. Esta incapacidad de anticipar el efecto del cambio estructural no invalida el contenido explicativo del modelo sobre los datos anteriores al cambio, pero ciertamente exigir una reformulacin del mismo que recoja los efectos del cambio estructural desde que ste aparece. Por ejemplo, la introduccin del euro en 2002 puede alterar los hbitos de gastos de los turistas alemanes que visitan Espaa. Un modelo economtrico sobre el gasto en trminos reales de dichos turistas en funcin de un indicador de renta y de diferentes tipos de precios relativos recoge una explicacin de cmo se genera tal gasto incluyendo unas estimaciones de las elasticidades del gasto respecto a la renta y los precios relativos. La introduccin del euro no invalida la explicacin que el modelo da de los datos anteriores a 2002, aunque el modelo fuese incapaz de predecir adecuadamente el gasto de los mencionados turistas en este ao en el que supuestamente se ha producido un cambio en los

6

hbitos de gasto. Ciertamente a partir de 2002 el modelo deber reformarse, de acuerdo con alguna de las direcciones que se mencionan ms adelante, para captar los efectos de tal cambio.

Ante un supuesto cambio estructural especfico, la cuestin de si el

cambio es realmente estructural o si sus efectos se hubiesen podido predecir no tiene una respuesta fcil. No es descartable que con datos minuciosos de los gastos de los turistas de Alemania Occidental en los principales pases receptores incluidos Alemania Oriental y los pases del bloque sovitico durante los treinta ltimos aos, se hubiese podido estimar una estructura de cambios en las elasticidades de los modelos economtricos de gasto para todos los pases de destino, que valiese tambin para anticipar el cambio en el gasto de los turistas alemanes en Espaa en 2002. Ciertamente con ms informacin y con el mayor anlisis que tal informacin requiere determinados cambios que se aceptan como estructurales se podran anticipar. En este sentido lo que empieza a denominarse como prediccin de los cambios estructurales es uno de los retos ms apasionantes de la prediccin econmica. En economa el proceso generador de un determinado conjunto de datos no suele tener distribuciones estadsticas fijas, es decir no suele ser un proceso estacionario, sino que stas evolucionan en el tiempo integrando hacia el futuro las realizaciones pasadas. As, por ejemplo, el nivel medio -que podra contemplarse como valor de equilibrio- de un fenmeno econmico no suele ser constante, sino que evoluciona a lo largo del tiempo. Clements y Hendry (1999) demuestran que con procesos generadores de datos no estacionarios y sujetos a cambios estructurales, conviene tener presente que un modelo causal no es necesariamente el que mejor predice. Los buenos modelos con fines predictivos deben poder ajustarse con prontitud a los cambios estructurales. Los modelos causales lo tienen que hacer introduciendo nuevos esquemas causales si es el caso, o realizando ajustes de nivel como ya se propona con la tcnica de TLC de Klein (1971). La necesidad y realismo de reformular los esquemas causales incluidos en un modelo a medida que aparece nueva evidencia queda muy patente en la historia reciente de la econometra aplicada. Modelos ampliamente estudiados por diversos autores como la funcin de consumo, la demanda de dinero, un modelo para la determinacin de la inflacin, etc. continan siendo objeto de formulaciones ms apropiadas, vase por ejemplo, Clements y Hendry (1999), Hendry (2000), etc.

En otras ocasiones un cambio estructural puede implicar simplemente un cambio en el nivel de la variable bajo estudio, que puede acomodarse mediante un cambio en el trmino constante del modelo economtrico causal. As por ejemplo, la entrada de Espaa en la Unin Econmica Europea facilit las importaciones espaolas de bienes intermedios y stas registraron un alza permanente en su nivel, que en los modelos economtricos mencionados anteriormente sobre dicha variable se tuvo en cuenta mediante un cambio en la constante del modelo correspondiente.

7

Hay una forma automtica de incluir hacia el futuro el efecto de un cambio de nivel. El mecanismo que lo implementa se denomina de raz unitaria. Un modelo de raz unitaria es, por ejemplo, aqul en el que se especifica que el nivel de la variable en el momento t es igual al nivel en el momento anterior -es decir, el modelo incorpora el pasado con coeficiente o raz de valor unitario- ms una constante y un trmino aleatorio de corto plazo. Un esquema de este tipo puede servir para representar el ndice de produccin industrial anual europeo, It, si previamente se han eliminado las oscilaciones estacinales de nivel. As,

Donde c es una constante y Wt un componente corto plazo. Si en el

momento t se produce un cambio en el nivel de la variable, el modelo en ese momento no lo recoge, pero a partir de (t+1) s, ya que, dado que

It+1 depende del valor observado It que ya incorpora dicho cambio. Box y Jenkins (1970) popularizaron el esquema de races unitarias que permite tanto la formulacin de modelos ARIMA, en los que Wt slo depende del pasado de It, como otro tipo de modelos, mucho ms importante para el anlisis econmico, en el que Wt depende de otras variables (explicativas) econmicas. Dentro de este tipo de modelos estn los denominados modelos de indicador (es) adelantado (s). Estos ltimos recogen una clase de modelos economtricos especialmente tiles para la prediccin econmica y, por ende, para el anlisis de la coyuntura.

En efecto, ante un cambio de nivel, modelos con races unitarias pueden

predecir mejor los datos posteriores al cambio sin necesidad de reajuste alguno, que modelos causales, a pesar de que estos ltimos incluan una explicacin certera de los factores determinantes de los datos. Esto es as porque, con el cambio estructural el modelo causal necesita un reajuste y si ste no se realiza el modelo empezar a predecir mal. Obviamente un modelo causal debidamente reajustado tras cada posible cambio estructural es el instrumento ideal para el anlisis de la coyuntura econmica. Esos reajustes pueden ser costosos y por ello en el anlisis de la coyuntura est muy extendido el uso de modelos de raz unitaria con indicadores adelantados.

I.3 INFORMACIN Y METODOLOGA EN LA PREDICCIN

ECONMICA. ACTUALIZACIN DE LAS PREDICCIONES: MODELOS MENSUALES

,WIcI 1tt1t ++ ++=

)1(,t,WIcI t1tt ++=

8

Las predicciones macroeconmicas resultan tiles a los agentes econmicos para tomar decisiones y planificar sus acciones en funcin de las expectativas plasmadas en tales predicciones. En particular la determinacin de medidas de poltica econmica por parte de la autoridad correspondiente se realiza, en gran medida, en funcin de predicciones. Las predicciones como cuantificacin de expectativas, constituyen un pilar bsico en las acciones econmicas y su elaboracin es una de las labores ms demandadas a los economistas en los mbitos ms desarrollados del mundo actual.

En este contexto, para que una prediccin resulte til en la direccin

indicada, no slo debe basarse en modelos economtricos como forma de asegurar que su elaboracin tiene lugar a travs de una metodologa eficiente y objetiva, sino que debe construirse utilizando toda la informacin relevante disponible. Actualmente, en los pases desarrollados la informacin macroeconmica es abundante, aunque claramente todava insuficiente, y una parte importante de la misma se recoge mensualmente. Con este flujo intenso de informacin los agentes demandan actualizaciones frecuentes de las predicciones y en muchos casos esto requiere el uso de modelos economtricos mensuales. A este nivel mensual resulta que con bastante frecuencia no es posible la construccin de modelos economtricos causales, pues no se suele disponer de informacin con dicha periodicidad sobre todas las variables explicativas incluidas en ellos. Esta es una de las razones principales, junto con la mencionada anteriormente, por las que para la prediccin econmica los modelos con indicadores adelantados tienen, por el momento, mayor protagonismo que los modelos causales.

La disyuntiva en la prediccin econmica entre modelos economtricos

causales, dgase de periodicidad trimestral, y modelos mensuales de indicador adelantado no tiene una solucin satisfactoria. Los primeros no slo proporcionan predicciones, sino que adems sealan los factores que los causan, dando por tanto una visin completa de la prediccin, que es la que realmente necesitan y demandan los agentes econmicos y, en particular, la autoridad econmica. Sin embargo, con estos modelos no suele ser posible la actualizacin mensual de sus predicciones, con lo que stas ignoran una informacin disponible que puede ser muy importante y en tal caso resultan ser predicciones ineficientes. As, por ejemplo, un modelo trimestral sobre la inflacin que, entre otras, incluya variables que recojan el exceso de demanda final a travs de los datos de la contabilidad nacional, resulta potencialmente muy til ya que no slo generar predicciones de inflacin para los prximos trimestres, sino que sealar el efecto que en ellas tiene la evolucin de la demanda final. Ahora bien, los datos de inflacin, medida sta a travs de IPC, se disponen en (t+1), siendo t el mes de referencia para el dato en cuestin. Sin embargo, la contabilidad nacional trimestral se dispone en (t+2) siendo t el ltimo mes del trimestre de referencia. Esto implica que las predicciones trimestrales de inflacin con dicho modelo ignorarn siempre el ltimo dato mensual de inflacin publicado, y antes de que se actualice en el prximo trimestre la prediccin de inflacin aparecern otros dos nuevos datos mensuales de inflacin. Ni los agentes econmicos ni mucho menos la autoridad monetaria se pueden permitir el lujo de ignorar ese flujo de datos sobre el IPC a la hora de construir sus predicciones. En tales casos, modelos

9

alternativos a los causales para realizar predicciones son muy necesarios. Estos modelos alternativos a nivel mensual -por ejemplo, modelos de indicador adelantado- utilizan toda la informacin disponible sobre la variable en cuestin, inflacin en el ejemplo anterior, y sobre las variables que actan de indicadores adelantados -como precios de produccin, precios de importacin, precios internacionales, etc., en el ejemplo mencionado-, pero ignoran la informacin, a otro nivel de frecuencia temporal, sobre las variables causantes de la inflacin, por lo que sus predicciones tampoco resultan eficientes.

En algunos casos se est produciendo un acercamiento entre ambas

orientaciones, consistente en trabajar con modelos mensuales de indicador adelantado, tratando de construir e incorporar en dicho modelo indicadores sintticos que puedan servir de aproximacin a las variables causales. Stock y Watson (1998) es un ejemplo, no exento de problemas, de dicha orientacin, en el que se utiliza un indicador sinttico para aproximar el exceso de demanda final en un modelo mensual de inflacin. Pero incluso en estos casos que se intenta llegar a una solucin de sntesis entre ambas orientaciones, las predicciones con el modelo resultante no ilustran suficientemente los factores causales que estn tras la prediccin. Esto es as porque el indicador sinttico es una cierta aproximacin de la variable causal correspondiente, pero la relacin entre ambos contiene un nivel de imprecisin alto y, lo que es ms grave, con frecuencia no es una relacin estable. Eso hace tambin que en ocasiones modelos de este tipo no sean estables, con lo que en tales casos no resulta aconsejable ni justificable su uso para predecir.

Con frecuencia, pues, hay que escoger entre trabajar con modelos

causales, ignorando la informacin ms reciente sobre la variable de inters, o emplear modelos de indicador adelantado que ignoran los factores causales de la variable que se desea predecir. La segunda opcin suele dar predicciones ms precisas y a este tipo de modelos nos restringiremos en el resto del artculo.

De lo dicho se desprende que para realizar buenas predicciones

econmicas se requiere informacin y metodologa economtrica adecuada para el tratamiento de la misma. En ambos casos la teora econmica tiene un papel determinante: para seleccionar y estructurar la informacin, en el primero, y para formular los modelos economtricos de acuerdo con los dictmenes tericos, en el segundo. La conclusin es que el procedimiento de prediccin ms ajustado posible ser aqul que trate adecuadamente al mximo de informacin relevante disponible dentro del modelo economtrico ms eficiente. Ahora bien, la metodologa economtrica actual requiere que la informacin empleada sea homognea y sistemtica. Esto generalmente imposibilita el uso dentro de los modelos economtricos de informacin que aparece muy irregularmente en el tiempo o correspondiente a mbitos de referencia distintos a lo largo del tiempo. Sin embargo, esta informacin puede ser relevante para la prediccin, con lo que un analista que sea capaz de procesarla subjetivamente de forma adecuada, puede dar, incluso careciendo de todo tipo de modelo economtrico, predicciones ms ajustadas que las procedentes de un buen modelo economtrico que no ha podido considerar dicha informacin irregular y no sistemtica. Es frecuente encontrar casos

10

puntuales en los que la prediccin subjetiva es ms ajustada que la economtrica, pero es muy difcil que eso ocurra de forma continuada, pues dicha informacin especial resulta muy relevante en momentos concretos, mientras en la mayor parte del tiempo su valor aadido sobre la informacin de carcter homogneo y sistemtico es escaso. Cuando esto no es as, las oficinas de estadstica acaban, ms o menos pronto, por organizar y homogeneizar la recogida sistemtica de tal tipo de informacin, con lo que en el futuro puede utilizarse dentro de modelos economtricos.

Es importante ser conscientes que la prediccin basada en modelos

economtricos es una labor cientfica que en su implementacin requiere informacin relevante y el desarrollo de una metodologa estadsticamente adecuada. Mejorar en ambos frentes, informativo y metodolgico, es el camino certero para obtener predicciones cada vez ms ajustadas y, por tanto, ms tiles para los agentes econmicos.

I.4 LA EXPERIENCIA DE LOS AGENTES ECONMICOS SOBRE LA

IMPORTANCIA DE LAS PREDICCIONES ECONMICAS

La importancia que en este trabajo da a la prediccin economtrica puede sorprender al lector en el sentido de que en su prctica profesional no haya experimentado la importancia de tales predicciones. La primera cuestin que conviene aclarar es que un buen procedimiento de prediccin economtrica es, en general, costoso de construir y muchas veces la experiencia de los agentes econmicos es simplemente con malos procedimientos de prediccin. Pero esto genera un circulo vicioso: los agentes no invierten en procedimientos economtricos de prediccin, porque su experiencia con procedimientos anteriores no ha sido satisfactoria, pero esto ha sido as porque debido a una falta de inversin mnimamente adecuada los procedimientos empleados eran muy defectuosos. Este crculo vicioso es especialmente grave en Espaa, pero su ruptura no es en absoluto fcil. Los acadmicos podemos insistir en los beneficios que para la empresa y para la poltica econmica pueden tener buenos procedimientos economtricos de prediccin, pero sin suficientes inversiones para poner en marcha proyectos concretos de prediccin es imposible que los agentes econmicos experimenten el inters de tales predicciones.

El problema anterior se agrava con la existencia de predicciones de

consenso tal como se realizan actualmente en muchos pases como Espaa. La existencia de tales predicciones induce a muchos agentes a pensar que no van a obtener mejores predicciones invirtiendo en proyectos que generen predicciones basadas en modelos economtricos. Pero eso no es cierto. Una persona o institucin puede dar sus predicciones concretas para que se construya la prediccin de consenso sin haber hecho pblico en ningn momento el procedimiento empleado y sin presentar una evaluacin de sus predicciones durante un periodo anterior suficientemente largo. Esto hace que predicciones de consenso obtenidas a partir de predicciones procedentes de una o varias decenas de instituciones no sean de un consenso tan amplio. Con frecuencia slo dos o tres instituciones, en el mejor de los casos, disponen de autnticos procedimientos de prediccin y los dems siguen, quizs con ciertas

11

modificaciones, a estas instituciones lideres. El problema se agrava mucho ms cuando medios de comunicacin publican predicciones de consenso citando a las instituciones participantes, pero sin dar las predicciones individuales. En tales casos participar en el consenso tiene el beneficio de la publicidad de la institucin sin el riesgo o coste de que el pblico pueda detectar que las predicciones son sistemticamente malas.

Esto ltimo alerta de que a la hora de utilizar predicciones en un

proceso de toma de decisiones es muy importante conocer la fiabilidad histrica para la variable de inters del mtodo de prediccin empleado. A partir de l se conoce la calidad de la prediccin usada y si sta resulta insuficiente se puede pensar en invertir en un nuevo proyecto de prediccin en el que se establezca claramente los conductos por los que el nuevo procedimiento ser capaz de mejorar las predicciones anteriores.

Con esta orientacin la prediccin macroeconmica s que puede ser un

input indispensable en el anlisis de la coyuntura. De hecho, la prediccin economtrica especfica al mbito de una empresa constituye tambin instrumento de gran utilidad en el proceso de toma de decisiones, pues reduce costos innecesarios o aumenta directamente los beneficios.

II. LA DESAGREAGCIN EN LA PREDICCIN ECONMICA II.1 LA DESAGREGACIN COMO FUENTE RELEVANTE DE INFORMACIN

En el anlisis de la coyuntura hay tres grandes reas en las que las

predicciones son especialmente demandadas: (a) variables de la economa real, (b) variables de los mercados de trabajo, (c)precios. En todas ellas la informacin suele difundirse a travs de indicadores econmicos para el agregado correspondiente a la economa nacional en cuestin, como puede ser el ndice de produccin industrial, la tasa de paro o la tasa de inflacin. Ciertamente las predicciones que se demandan son sobre estos grandes agregados nacionales, pero variables agregadas como las mencionadas plantean el problema de si para fines de prediccin y diagnstico es conveniente considerar la informacin (desagregada) de los distintos componentes que configuran la variable global y en caso afirmativo cules son los lmites en el anlisis desagregado.

La desagregacin es una forma de aumentar la informacin. Ahora bien,

como se ha mencionado anteriormente lo importante es que el aumento de informacin sea relevante y, en efecto, la teora econmica sugiere que ese puede ser el caso con la desagregacin. Tal desagregacin se puede realizar segn los tipos de mercados en las variables de precios, de acuerdo con los sectores productivos en el caso de variables de actividad real y segn grupos de poblacin en variables del mercado de trabajo.

En concreto en los dos primeros casos la desagregacin resulta de

inters porque los diferentes mercados y los diversos sectores productivos se enfrentan con ofertas y demandas muy distintas que generan comportamientos

12

-tendencias, estacionalidad, oscilaciones cclicas, volatilidad, etc.- muy diferentes en precios y produccin. Especialmente importante es el hecho de que se generen diferentes tendencias en los componentes de un ndice global de precios, ndice de produccin industrial, del producto interior bruto, etc.

Igualmente, en el mercado de trabajo la oferta y demanda tiene

caractersticas muy distintas dependiendo de la edad, sexo, y educacin de la mano de obra.

Los mercados son heterogneos tanto por el lado de la demanda como

por el de la oferta y, en consecuencia, por la flexibilidad de adaptarse la segunda a la primera. Las demandas son diferentes porque el cambio de preferencias de los consumidores afecta de forma distinta a los diversos bienes y servicios. As, actualmente, por ejemplo, este cambio de preferencias afecta ms a los servicios tursticos que a los bienes alimenticios. Adems el nivel y facilidad de informacin sobre calidad y precio de los diferentes oferentes a los que pueden acceder los consumidores varan mucho entre mercados y ciertamente no son iguales en el mercado de prendas de vestir que en el de servicios odontolgicos. En consecuencia el nivel de demanda cautiva vara enormemente de unos mercados a otros.

Al mismo tiempo la posibilidad de incorporar innovaciones tecnolgicas

es muy distinta a travs de sectores productivos, como lo es tambin el acceso a la entrada de nuevas empresas, el ciclo productivo y la facilidad de acumular existencias para atender picos estacionales de demanda.

Por todo lo anterior, en los mercados de una misma economa nacional

y, por tanto, sujetos a una misma poltica monetaria los precios y la produccin muestran comportamientos diferenciados incluso en su evolucin a medio plazo o tendencial. En tal caso realizar un anlisis de un ndice general de precios a travs de una desagregacin del mismo por mercados o el anlisis de la produccin global mediante una desagregacin por sectores puede aumentar mucho la informacin relevante para formular predicciones sobre los agregados mencionados.

Para que desagregando se obtenga un aumento significativo de

informacin relevante es necesario que la desagregacin se lleve a cabo con criterios econmicos. De acuerdo con la discusin precedente esto implica diferenciar componentes dentro del agregado, grupos de mercado, en el caso de los precios, o grupos de sectores, en el caso de la produccin, que tengan caractersticas bien distintas entre s, al tiempo que los mercados o sectores incluidos en cada grupo sean suficientemente homogneos. Frente a este criterio funcional expuesto para la desagregacin podra contemplarse un criterio geogrfico. Dentro de una misma economa nacional la desagregacin geogrfica no recoge diferencias apreciables en precios (vase grficos 1 y 2) por lo que resulta de escasa utilidad. Dentro de reas econmicas como la Unin Monetaria la desagregacin geogrfica s que refleja diferencias importantes entre los ndices de precios de los distintos pases como puede verse en el grfico 3.

13

INDICES DE PRECIOS AL CONSUMO EN CC.AA. (ESCALA LOGARTMICA)

4.6

4.65

4.7

4.75

4.8

4.85

4.9

4.95

5

1993

19

94

1995

19

96

1997

19

98

1999

2000

2001

4.6

4.65

4.7

4.75

4.8

4.85

4.9

4.95

5

log IPC Madrid log IPC Espaa log IPC Galicialog IPC Catalua log IPC Andaluca log IPC Canarias

Grfico 1a

INDICES DE PRECIOS AL CONSUMO EN CC.AA.(ESCALA LOGARTMICA)

4.6

4.65

4.7

4.75

4.8

4.85

4.9

4.95

5

1993

19

94

1995

19

96

1997

19

98

1999

2000

2001

4.6

4.65

4.7

4.75

4.8

4.85

4.9

4.95

5

Baleares Aragn Comunidad ValencianaCastilla-Len Castilla La Mancha Espaa

Grfico 1b

14

INDICES DE PRECIOS AL CONSUMO EN CC.AA. (TASAS DE CRECIMIENTO ANUALES)

0.001.002.003.004.005.006.007.00

1994 1995 1996 1997 1998 1999 2000 20010.001.002.003.004.005.006.007.00

IPC Espaa IPC Madrid IPC CataluaIPC Andaluca IPC Galicia IPC Canarias

Grfico 2

INDICES DE PRECIOS AL CONSUMO EN LA UM (ESCALA LOGARTMICA)

4.55

4.6

4.65

4.7

4.75

1996

1997

1998

1999

2000

2001

4.55

4.6

4.65

4.7

4.75

IPC UM IPC Alemania IPC Francia IPC Espaa IPC Italia

Grfico 3

15

No obstante, en Espasa et al (2001) se da evidencia emprica de que

para predecir el agregado la desagregacin funcional es mucho ms importante que la geogrfica. En realidad la desagregacin geogrfica dentro de la Unin Europea es til si se combina con la referente a mercados mencionados anteriormente, vase Espasa et al (2001).

En general, la experiencia apunta a que la desagregacin geogrfica es

de escaso inters a nivel nacional. Su inters aumenta a nivel de rea econmica, pero en tal caso lo que resulta realmente til es la desagregacin combinando el criterio funcional con el geogrfico. La cuestin radica en que el fundamento de la desagregacin es para obtener componentes en los que la configuracin dentro de cada componente sea relativamente homognea al tiempo que entre componentes se capte una diversidad realmente relevante. Por eso la desagregacin funcional debe estructurarse con criterios econmicos, pero stos se acomodan mal en una pura desagregacin geogrfica basada en criterios polticos-administrativos. Por ello, la mera desagregacin geogrfica no genera componentes de contenido suficientemente homogneo dentro de cada uno y suficientemente diverso entre ellos.

De hecho para lograr tales propiedades con la desagregacin funcional

es importante proceder por primeros principios. As, la desagregacin que en los pases de la Unin Europea se hace del IPC en trminos de subndices correspondientes a categoras de gasto diferentes no se adeca al principio establecido anteriormente de que los subndices de precios considerados deben reflejar grupos de mercados con caractersticas de oferta y demanda relativamente homognea dentro de cada grupo. En las doce categoras oficiales de gasto esto no ocurre, pues en muchas de ellas se incluyen precios tanto de bienes como de servicios que claramente tienen condiciones de mercado diferentes.

Por ello, en Espasa et al (1987) ya se propona desagregar el IPC en un

ndice de precios de servicios y otro de bienes. Este ltimo a su vez se descompona en bienes energticos, alimentos no elaborados y otros bienes. Con ello se diferencian precios procedentes de mercados con propiedades distintas: servicios y bienes. Adems, dentro de este ltimo se desagrega en otros tres componentes para captar hechos diferenciados como que, la oferta venga determinada por un cartel internacional y que est sometida a impuestos indirectos especiales, o que la produccin est afectada por importantes ciclos estacionales con posibilidades limitadas, por factores reales y administrativos, de importaciones de choque.

En variables de produccin la desagregacin por sectores productivos

de acuerdo con las clasificaciones estndar generan componentes menos informativos que la basada en una clasificacin en funcin del destino de los bienes productivos. A saber: bienes de consumo -duraderos, alimenticios y otros bienes no duraderos- de equipo e intermedios- energa y otros. Esta ltima clasificacin resulta ms til pues incorpora el hecho de demandas diferenciadas.

16

Aplicando una desagregacin con los principios mencionados se

encontrar que los datos empricos correspondientes a los distintos componentes tienen propiedades estadsticas de tendencia, estacionalidad, oscilaciones cclicas, volatilidad, etc. diferentes. En los grficos 4 y 5 pueden verse las diferencias tendenciales y cclicas, respectivamente, en los ndices de produccin industrial europeos.

Las tendencias en las variables econmicas estn estrechamente

relacionadas con el concepto economtrico de cointregracin. Se mencion al principio que las variables econmicas integraban hacia el futuro las realizaciones pasadas, con ello tales variables a largo plazo tienden hacia comportamientos no nulos incluso al eliminar un posible factor constante. Cointregracin entre un conjunto de variables implica que las correspondientes evoluciones de largo plazo no son libres, sino que estn relacionadas o restringidas entre s. As, si analizamos los datos de consumo privado y los

INDICES DE PRODUCCIN INDUSTRIAL EUROPEOS (ESCALA LOGARTMICA)

4.5

4.6

4.7

4.8

4.9

5

15-10

-94

15-02

-95

15-06

-95

15-10

-95

15-02

-96

15-06

-96

15-10

-96

15-02

-97

15-06

-97

15-10

-97

15-02

-98

15-06

-98

15-10

-98

15-02

-99

15-06

-99

15-10

-99

15-02

-00

15-06

-00

15-10

-00

15-02

-01

4.5

4.6

4.7

4.8

4.9

5

log IPI log IPI int log IPI cap log IPI dur log IPI ndur

Grfico 4

INDICES DE PRODUCCIN INDUSTRIAL EUROPEOS (TASAS DE CRECIMIENTO ANUALES)

-5-30358

101315

15-10

-95

15-02

-96

15-06

-96

15-10

-96

15-02

-97

15-06

-97

15-10

-97

15-02

-98

15-06

-98

15-10

-98

15-02

-99

15-06

-99

15-10

-99

15-02

-00

15-06

-00

15-10

-00

15-02

-01

-5-30358101315

Tasa anual IPI Tasa anual IPI int Tasa anual IPI capTasa anual IPI dur Tasa anual IPI ndur

Grfico 5

17

correspondientes de renta observamos que las evoluciones a largo plazo entre ambas variables no son independientes, sino que tal evolucin en el consumo viene determinada por la renta. En tal caso diremos que existe una relacin de cointregracin.

Si se tienen n variables, el mximo nmero posible de restricciones en el

largo plazo o relaciones de cointregracin es (n-1). Cuando ese mximo se da podemos decir que las variables estn plenamente cointegradas, ya que en los n componentes slo existe un nico factor tendencial comn. En tal caso diremos que las tendencias de los componentes no estn diferenciadas. En el ejemplo anterior de dos variables, consumo y renta, no hay dos tendencias diferenciadas. Al contrario existe un slo factor tendencial comn que determina la tendencia de la renta y a travs de ella la tendencia del consumo.

La cointegracin puede aplicarse a un conjunto de n variables

componentes de una variable econmica agregada. Si existiese cointegracin plena entre los n componentes la desagregacin por motivos tendenciales no ser, en general, de inters. Incluso desagregando se puede captar peor el factor tendencial comn que es el factor dominante en las predicciones.

Sin embargo, la cointregracin plena no es un resultado general que se

encuentre al analizar n componentes -obtenidos por los principios discutidos anteriormente- de un agregado. El resultado ms general es que solamente existen (n-r) relaciones de cointregracin, siendo r un nmero entero mayor que uno e igual o menor que n. En tal caso existen r factores tendenciales generando las tendencias de los n componentes. Esa diversidad tendencial no se capta analizando el agregado tal cual; sin embargo, con la desagregacin -siempre realizada sobre la base de razones econmicas- los componentes contienen informacin muy valiosa sobre la diversidad tendencial presente en los datos. Estos son los casos en los que la desagregacin es importante.

Una consecuencia de que las componentes de un agregado tengan

tendencias distintas no relacionadas entre s es que la tendencia del agregado ser relativamente compleja. En efecto, existiendo r factores tendenciales, las innovaciones en el agregado tendrn efectos distintos a largo plazo dependiendo del factor tendencial del que principalmente procedan. La complejidad tendencial mencionada se refiere a la estructura de su modelo, ya que las innovaciones fluctuarn menos -tendrn menor varianza- que las de ciertos componentes debido al efecto de la agregacin. Es de esperar, por tanto, que el modelo para el agregado sea: (1) complejo con restricciones importantes en su estructura, pero (2) con mayor proporcin seal/ruido que muchos de sus componentes. Lo primero complica la estimacin de un modelo para el agregado y lo segundo la facilita.

La experiencia demuestra que se obtienen modelos univariantes muy

simples para los agregados macroeconmicos, indicando que posiblemente no se est captando con ellos la dificultad estructural de la tendencia en el caso de que los componentes del agregado no estn plenamente cointegrados. Por el contrario, analizando el agregado a travs de sus n componentes se tiene que modelos univariantes simples para los componentes pueden implicar un

18

modelo univariante complejo en el agregado y, por tanto, recoger una estructura tendencial complicada.

La ganancia en la desagregacin depender de que: (1) se desagregue

en una direccin tal que genere aumentos importantes en al informacin sobre las restricciones y complejidad de la tendencia del agregado a la vez que (2) las relaciones seal/ruido de los componentes no se deterioran mucho permitiendo una buena estimacin de los modelos de los componentes. Como ya se ha comentado, la teora econmica es muy relevante para lo primero. En cuanto a lo segundo, si es procedente, los mtodos estadsticos de recogida de informacin y construccin de las variables macroeconmicas podran mejorarse para aumentar las relaciones seal/ruido de ciertos componentes. As pues, la desagregacin, realizada segn los principios establecidos y comprobando que en dicha operacin las relaciones seal/ruido de los componentes no se deterioran en exceso, inducir, en general, a una ganancia en la prediccin del agregado.

II.2 UN EJEMPLO DE DESAGREGACIN.

En el anlisis de un ndice de precios al consumo por mercados se

observa que hay algunos en los que los precios tienen claramente comportamientos tendenciales diferentes debido principalmente a caractersticas de la oferta -monopolstica, ciclos naturales de produccin- y a la aplicacin de impuestos especiales. Estos mercados suelen ser los de productos energticos y alimentos no elaborados. Los correspondientes ndices de precios no slo tienen tendencias diferenciadas del resto -vase grfico 6- sino que son mucho ms oscilantes.

NDICES DE PRECIOS AL CONSUMO EN ESPAA(ESCALA LOGARTMICA)

4.3

4.5

4.7

4.9

5.1

5.3

1991

19

92

1993

19

94

1995

19

96

1997

19

98

1999

2000

2001

IPSE

BENE

-XT,

Ene

rga

y

ANE

4.34.54.74.95.15.35.55.7

Taba

co y

ser

vici

os tu

rstic

os

IPSEBENE-XT Energa ANE Grasas Tabaco Servicios tursticos

19

Siguiendo el anlisis del IPC espaol llevado a cabo por el Boletn de Inflacin y Anlisis Macroeconmico (BIAM) en los ltimos ocho aos, se puede decir que en el caso del IPC espaol estos precios con tendencias distintas por motivo de oferta y con mayor erraticidad en su evolucin son los correspondientes a productos energticos (ENE), alimentos no elaborados (ANE) y los pertenecientes a un conjunto (XT) que incluye tabaco (TAB), aceites y grasas (AC) y servicios de paquetes tursticos todo incluido (TUR). En el ao 2001 estos precios suman el 22% del IPC. As pues, una primera desagregacin de inters del IPC es en dos componentes que, siguiendo la publicacin mencionada, denominaremos residual (RES) y tendencial (IPSEBENE-XT). El primero est formado por los ndices detallados anteriormente, ENE, ANE, TAB, AC, TUR y el segundo por el resto, que supone el 78% del IPC. Este ndice (tendencial) est formado por precios de servicios y bienes elaborados no energticos con ciertas exclusiones (XT), que en este caso son tabaco, aceites y grasas y paquetes tursticos, de ah la terminologa IPSEBENE-XT con la que se designa tal ndice. Obsrvese que en Espasa et al (1987) se propona una descomposicin en la que el trmino residual vena formado exclusivamente por los precios energticos y de los alimentos no elaborados y el tendencial por los precios de los servicios y de los bienes elaborados no energticos (IPSEBENE) y a la inflacin procedente de este ltimo ndice se le denominaba subyacente, trmino que posteriormente ha sido de aceptacin general en Espaa. Sin embargo, el IPSEBENE contiene elementos muy concretos como TAB, AC y TUR que tienen caractersticas muy distintas al resto de componentes de este ndice, por lo que conviene eliminarlos del mismo y pasarlos al ndice residual, como se hace en el BIAM.

A la inflacin calculada con el IPSEBENE-XT se puede denominar

tendencial, pues tiene una evolucin menos errtica que la inflacin global del IPC. A la inflacin en el ndice RES se le puede denominar residual. Esta descomposicin es til para presentar los resultados y expectativas de inflacin, pues los impactos o sorpresas en el IPSEBENE-XT tienen un claro efecto persistente multiplicador, mientras que en el ndice residual tal efecto es muchsimo menor. Pero no es cierto que las predicciones del IPSEBENE-XT aproximen convenientemente la tendencia de las predicciones del IPC, ya que los ndices RES e IPSEBENE-XT no estn cointegrados. En consecuencia, las predicciones del IPC se deben obtener agregando las correspondientes a IPSEBENE-XT y a RES.

Los componentes del IPSEBENE-XT, ndices de precios de servicios

(SERV), ndice de precios de alimentos elaborados excluidos tabaco, aceites y grasas (AE-X)1 y resto de bienes (manufacturas) en dicho ndice (MAN) tienen tendencias distintas, pues claramente las ofertas y demandas en los correspondientes mercados tienen factores determinantes diferentes que afectan a la tendencia de los precios. As pues, conviene desagregar el IPSEBENE-XT en los tres componentes mencionados pues, adems en todos ellos la relacin seal/ruido es alta. As mismo, los componentes del ndice RES especificados anteriormente tienen tambin tendencia muy diferente y conviene desagregar el ndice RES de acuerdo con tal especificacin. En 1 Injustificadamente se ha tenido la costumbre en las clasificaciones oficiales espaolas incluidos los ndices de bolsa- de considerar al tabaco dentro del grupo de alimentos.

20

Lorenzo (1998) se demuestran las ganancias importantes en la prediccin del IPC aplicando la desagregacin propuesta.

El tipo de desagregacin propuesta para el IPC espaol es de validez

internacional al menos para economas desarrolladas. Las particularidades nacionales estn en el conjunto de precios XT que se excluye del IPSEBENE y se incluye en el ndice residual. Obsrvese que algunos pases como EE.UU. calculan una medida de inflacin subyacente que excluye los precios energticos y todos los precios alimenticios. Esto no parece conveniente pues la erraticidad de los precios de los alimentos elaborados tiene una varianza ms prxima a la de los precios de las manufacturas que a la de los precios de los alimentos no elaborados.

En el grfico 7 se da una descomposicin del IPC armonizado de la

Zona euro, sin considerar ningn tipo de precios en el conjunto XT. Las diferentes tendencias de los cinco componentes y la mayor erraticidad de los ndices ANE y ENE son apreciables a simple vista.

II 3. DESAGREGACIN, COMPORTAMIENTOS NO LINEALES E INDICADORES ESPECIFICOS.

Con la desagregacin no slo se puede incrementar de forma notoria la

informacin sobre la complejidad de la tendencia del agregado, sino tambin la de todas sus facetas como la de la estacionalidad, la de las oscilaciones cclicas, la de la evaluacin de las perturbaciones a corto plazo, etc. As, incluso en el caso que los n componentes de un agregado tuviesen un nico factor tendencial, la desagregacin podra ser conveniente por ganancias informativas importantes en los otros componentes.

En las oscilaciones cclicas y en la evolucin de las perturbaciones de

corto es frecuente encontrar que estructuras lineales para modelizar su comportamiento no son adecuadas y son necesarios esquemas no lineales.

INDICES DE PRECIOS ARMONIZADOS PARA LA ZONA EURO (ESCALA LOGARTMICA)

4.54.554.6

4.654.7

4.754.8

4.854.9

1995

1997

1998

1999

2000

2001

4.54.554.64.654.74.754.84.854.9

Servicios AE MAN ANE Energa

Grfico 7

21

Caractersticas no lineales muy marcadas en algunos componentes

aparecen mitigadas en el agregado, de forma que en los datos agregados los aspectos no lineales pueden ser ms difciles de detectar y estimar. Pero esta dificultad en captar la no linealidad no quiere decir que no est en el agregado y que no sea especialmente importante en determinados momentos del tiempo. En tales casos la desagregacin puede ser una va para captar ms fcilmente las no linealidades existentes en los datos y estimarlas.

La evidencia de caractersticas no lineales en agregados

macroeconmicos se encuentran en la necesidad de aplicar anlisis de intervencin en los modelos ARIMA para que stos sean aceptables para los datos . Es decir, aplicando modelos ARIMA se obtienen muy frecuentemente residuos atpicos. Estos pueden corresponder a: (1) observaciones realmente aberrantes, por ejemplo por problemas en la medicin, o (2) a observaciones que se explican muy mal mediante modelos lineales. Estas ltimas observaciones atpicas pasan a ser muy importantes, pues tienen un especial contenido informativo sobre la no linealidad del sistema. En ingls se dira que estas observaciones son Very Important data Points y podemos denominarlas VIP`s.

Obsrvese que el anlisis de intervencin lo que hace es eliminar la

influencia -el contenido informativo no lineal- de las observaciones VIP introduciendo en el modelo variables artificiales que replican el comportamiento no lineal. Lo que se est haciendo con este modo de proceder es matar al mensajero. Un procedimiento ms aconsejable consiste en analizar el tipo de estructura no lineal que los datos requieren. Solamente, si tras un estudio meticuloso el analista se ve incapaz de formular modelos no lineales susceptibles de explicar tanto los datos de la muestra empleada para su estimacin, como datos post-muestrales, deber reconocer su ignorancia y recurrir al anlisis de intervencin.

La funcin de respuesta a un impulso es decir, la forma en que los

impactos aleatorios (innovaciones) que afectan al sistema en cada momento se transmiten hacia el futuro, es constante para un impacto (unitario) en modelos lineales. Pero esto es poco realista. Los modelos no lineales permiten que tales funciones de respuesta dependan de las condiciones iniciales del sistema y del signo y de la magnitud del impacto.

As, pues desagregando se puede detectar si algn componente

requiere una estructura no lineal y en tal caso modelizarla adecuadamente. Con ello se estar diferenciando las distintas innovaciones que llegan al sistema a travs de cada componente y dando a cada uno de ellas el efecto futuro, a corto y largo plazo, que le corresponde en este momento dado su signo y magnitud. En un contexto no lineal la desagregacin cobra mayor importancia, pues discrimina entre las innovaciones que corresponden a componentes en los que se transmiten linealmente y en los que no se comportan as.

22

Obsrvese que al ser la no linealidad ms fcil de detectar en los componentes que en el agregado, la modelizacin economtrica se complica con la desagregacin y es necesario que el analista realice una modelizacin adecuada para que la desagregacin sea til.

Con la desagregacin se tiene que cada componente puede venir

afectado por un indicador adelantado especfico. As, por ejemplo desagregando la inversin en construccin en la correspondiente a: (a)edificacin residencial, (b) edificacin no residencial y (c) obra civil, se tiene que se puede utilizar como indicadores adelantados en cada caso, el nmero de viviendas iniciadas, el ndice de produccin industrial y el volumen de licitaciones de obra pblica, respectivamente.

Con la desagregacin del IPC se obtiene una gran ventaja en el uso de

indicadores adelantados. En efecto, los precios de produccin y los precios de importacin son indicadores de los precios al consumo. Sin embargo, un modelo sobre el IPC agregado correspondiente a bienes utilizando como variables explicativas un ndice agregado de precios de produccin tiene un comportamiento insatisfactorio incluso inestable, ya que los precios al consumo se agregan segn una cesta de consumo y los de produccin segn una estructura productiva. Sin embargo, desagregando se da al modelo de cada componente de precios al consumo el correspondiente precio de produccin.

II.4 DESAGREGACIN Y DIAGNSTICO

Al principio del trabajo se comentaba el inters de los modelos causales

para la coyuntura econmica, ya que no slo proporcionaban predicciones, sino que sealaban los factores determinantes de las predicciones con lo que se podan formular medidas de poltica econmica ms precisas.

Con los modelos de races unitarias e indicadores adelantados se pueden obtener predicciones muy ajustadas, pero sin sealar los factores causales de los mismos. Sin embargo, desagregando, no slo se obtienen predicciones ajustadas para el agregado, sino que se seala la contribucin de los diferentes componentes en la prediccin agregada. As, sin realizar anlisis causal se aporta informacin sobre las perspectivas futuras en los diferentes mercados o sectores, con lo que se detecta cules de ellos pueden tener una situacin futura ms problemtica, cmo es la situacin relativa entre mercados, si existe excesiva heterogeneidad, si se tiende a la convergencia, etc. Todo ello son aspectos importantes para perfilar medidas de poltica econmica.

La disponibilidad de predicciones sobre los distintos mercados o sectores resulta muy til para postular factores causales que pueden estar teniendo una relevancia especial en la prediccin del agregado. Por ejemplo, supongamos que las predicciones de inflacin agregada en el momento actual han empeorado -en el sentido de que se alejan ms de un cierto objetivo de inflacin- respecto al mes anterior. Si en tal caso se dispone de predicciones detalladas de la tasa de inflacin en los diferentes mercados se podr ver si tal empeoramiento corresponde a una situacin meramente localizada en algunos mercados. En general, los factores causales del empeoramiento en las

23

expectativas globales de inflacin sern diferentes en una y otra situacin y, en consecuencia, tambin lo sern las posibles medidas para luchar contra tal empeoramiento. Las predicciones de inflacin detalladas por mercados permiten dar diagnsticos verdaderamente tiles. As, en noviembre de 2001, la tasa anual de inflacin en la zona euro fue de 2,1% y las predicciones -de acuerdo con el Boletn de Inflacin y Anlisis Macroeconmico- para las tasas anuales medias de 2001 y 2002, de 2,6% y 1,7%, respectivamente. Un anlisis por mercados mostraba que las predicciones de las correspondientes tasas de inflacin subyacente eran de 2,1% y 2,2%, mientras que las de la inflacin residual eran de 4,8% y de un valor negativo de 1,2%. La desagregacin muestra que el previsible cumplimiento del objetivo de inflacin en 2002 no se corresponden a una situacin econmica en que la mayora de los precios estuviese por debajo del 2%, sino al hecho de que mercados especficos muy voltiles reducen su tasa de inflacin. As, en el mercado de alimentos no elaborados, la tasa de inflacin anual media pasa de un 7,1% en 2001 a un 1,7% en 2002 y en el mercado de productos energticos esa reduccin consiste en pasar del 2,8% a un valor negativo de 3,6%. Es decir la prediccin del, cumplimiento del objetivo en 2002 no se deba a los mercados con evoluciones ms firmes de los precios y que suponen el 82.5% del total. De hecho, la inflacin en tales mercados -inflacin subyacente- ha ido creciendo desde el 1.1% en febrero 2000 al 2.4% en noviembre del 2001 y las perspectivas son que se estabilice en 2,2% en bienio 2002-2003. Esta puede ser una de las razones por las que BCE, comprometido -quizs innecesariamente- a lograr tasas estables inferiores al 2%, se ha mostrado reticente a bajar con mayor firmeza su tipo de inters de referencia. De hecho, la tasa de inflacin anual media en 2003 se prev en el 2.1%, pues en dicho ao se espera que tanto los precios de los bienes energticos como los de los alimentos no elaborados crezcan sobre el 1,6%. Si con informacin a noviembre de 2001, se comparan las expectativas de inflacin global de la zona euro y en EE.UU. para 2002 stas resultan ser muy similares, 1.7 y 1.9%, respectivamente. Esto no resulta suficientemente informativo. As, un anlisis ms detallado indica que la inflacin residual ser muy similar entre ambos pases y las discrepancias, que se compensarn en gran parte unas con otras, se dan en los servicios con tasas de 2.7 y 3.8%, respectivamente, y en las manufacturas con tasas de 1,8 y 0,6%. Estas ltimas tasas indican que, independientemente de una posible ligera apreciacin del euro, la economa de la euro zona va a ser menos competitiva que la americana en el sector manufacturero, que es el ms abierto al comercio internacional.

24

Box, G. E. P., y Jenkins, G.M. (1976). Time Series Analysis: Forecasting and Control, Holden Day, San Francisco. Primera Edicin 1970. Clements, M. P. y Hendry, D.F. (1998). Forecasting Economic Time Series, Cambridge: Cambridge University Press. Clements, M. P. y Hendry, D.F. (1999). Forecasting Non-stationary Economic Time Series, Cambridge, Mass: MIT Press. Espasa, A., Manzano, M.C., Matea, M. Ll, y Catass, V (1987). La Inflacin Subyacente en la Economa Espaola: Estimacin y Metodologa, Boletn Econmico del Banco de Espaa, marzo, 32-51. Espasa, A. y Cancelo, J.R. (1993). Mtodos Cuantitativos para el Anlisis de la Coyuntura Econmica, Alianza Editorial. Espasa, A. y Cancelo, J.R., (1996) Modelling and forecasting daily series of economic activity, Investigaciones Econmicas, V. XX (3), pp. 359-376. Espasa, A., Senra, E. and Albacete, R. (2001) Forecasting Inflation in The European Monetary Union: a Disaggregated Approach by Countries and by Sectors, European Journal of Finance, volume 8, issue 4. Espasa, A., Poncela, P. and Senra, E. (2002), Forecasting Monthly US Consumer Prices Indexes through a Disaggregated I(2) Analysis, Working paper, Universidad Carlos III de Madrid. Hendry, D.F. (2001). Modelling UK inflation, 1875-1991. Journal of Applied Econometrics, 16, 255-275. Lorenzo, F. (1997), Modelizacin de la inflacin con fines de prediccin y diagnostico Tesis doctoral. Septiembre 1997. Universidad Carlos III de Madrid. Martnez, J.M, (2000) Modelos Univariantes para el anlisis de los ciclos econmicos en Espaa y usa. modelos economtricos para funciones de demanda agregada de las importaciones espaolas en un estudio de la no-linealidades cclica Tesis doctoral Universidad Carlos III de Madrid. Stock, J. H. and M. W. Watson (2002), Macroeconomic Forecasting using Diffusion Indexes, Journal of Business and Economic Statistics, 20 (2) 147-162.

ANTONI ESPASADept. Estadstica y Econometra eInstituto Flores de Lemus de la

10 de Enero 2002RESUMEN0. INTRODUCCIN

I. 2 MODELOS ECONOMETRICOS CAUSALES Y MODELOS ECONOMETRICOS DE INDICADOR ADELANTADOI.4 LA EXPERIENCIA DE LOS AGENTES ECONMICOS SOBRE LA IMPORTANCIA DE LAS PREDICCIONES ECONMICAS

LA DESAGREAGCIN EN LA PREDICCIN ECONMICAII.1 LA DESAGREGACIN COMO FUENTE RELEVANTE DE INFORMACINII.2 UN EJEMPLO DE DESAGREGACIN.

Portada.pdfResumen