1

Indicadores de oferta y de presión de demanda y proyección de la inflación en Argentina: el método de componentes principales

(VERSIÓN PRELIMINAR)

Elosegui Pedro, Garegnani Lorena, Lanteri Luis, Sotes Paladino Juan Martín

Resumen

Dado el objetivo primordial de mantenimiento de la estabilidad de precios de los bancos centrales, el seguimiento de variables que permitan indicar la presencia de presiones inflacionarias en la economía resultan de vital importancia. Por esta razón, variables como la brecha del producto (diferencia entre el producto observado y el potencial no inflacionario) constituyen herramientas ampliamente utilizadas por estas instituciones, especialmente en modelos estructurales donde resulta clave para explicar la dinámica de precios y salarios.

Siendo una variable no observable, existen diversas metodologías para su estimación. En su mayoría, se basan en calcular una tendencia suave de la evolución del producto bruto como aproximación al producto potencial no inflacionario, utilizando como insumo la propia serie (métodos univariados) o series relacionadas directamente con el objetivo buscado tales como la inflación, desempleo, utilización de la capacidad instalada (métodos multivariados). Una metodología alternativa, sin embargo, consiste en la agregación de diversos indicadores tentativos de oferta y de presión de demanda en unas pocas medidas resumen. Como ejemplo, el método de los componentes principales permite encontrar una combinación lineal de una gran cantidad de estas variables que resuma una alta proporción de la información contenida en su estructura conjunta de covarianzas.

En el presente trabajo se emplea la metodología de componentes principales, tanto estáticos como dinámicos, sobre una serie de indicadores usualmente utilizadas por el BCRA para el seguimiento de la evolución de la demanda agregada. La metodología aplicada es evaluada en términos de su capacidad de pronóstico de la evolución del índice de inflación. En tal sentido, se compara su desempeño con estimaciones de la brecha de producto ya disponibles en el BCRA, basadas en una función de producción de tipo neoclásica y en diferentes métodos univariados y multivariados como ‘State-Space’ (filtro de Kalman), Hodrick-Prescott (HP) multivariado y el VAR estructural. Un resultado adicional de la metodología desarrollada se relaciona con la posibilidad de generar diferentes indicadores sintéticos para el seguimiento de la evolución de la economía con base en información real, financiera y/o de encuestas. Estas herramientas permiten complementar la toma de decisiones de política monetaria, dotando a las autoridades de instrumentos que utilizan de manera más eficiente la información disponible.

Clasificación JEL: C32, E31, E37. Palabras claves: componentes principales, brecha del producto, Curva de Phillips.

2

Índice

1. Introducción ...................................................................................................................... 3

2. Descripción metodológica y definiciones formales. ....................................................... 5

2.1. La metodología de los componentes principales ......................................................... 5

2.2. El concepto de producto potencial no inflacionario y su medición: una perspectiva

histórica .............................................................................................................................. 6

3. Estimaciones alternativas del producto potencial ......................................................... 8

3.1. El método de la función de producción neoclásica ..................................................... 8

3.2. Modelos ‘State-Space’ ............................................................................................... 10

3.3.Representación de una curva de Phillips planteada en la forma de ‘State-Space’ ..... 12

3.4. Estimaciones a través del filtro de Hodrick-Prescott (HP) y el HP multivariado .... 13

3.5. La propuesta de VAR estructural (SVAR) de Blanchard y Quah ............................. 14

3.6. Análisis descriptivo respecto de las distintas brechas del producto .......................... 16

3.6.1. Estadísticas descriptivas de las distintas brechas .............................................. 16

3.6.2. Medidas de evaluación del error de pronóstico para las brechas del producto

...................................................................................................................................... 16

4. La metodología de componentes principales. Resultados preliminares. ................... 18

5. Conclusiones. ................................................................................................................... 20

ANEXO ................................................................................................................................ 21

Referencias .......................................................................................................................... 23

3

1. Introducción

Considerando el objetivo central de mantener la estabilidad de precios, los bancos centrales están interesados en el análisis y seguimiento de la evolución de las variables económicas que pudieran estar indicando presiones de demanda que potencialmente resulten en una aceleración de la inflación. Es así que el análisis de la dinámica de la brecha del producto (la diferencia entre el producto observado y el potencial no inflacionario) es una herramienta ampliamente difundida entre bancos centrales. De hecho, la estimación y seguimiento de esta variable forma parte de la agenda de investigación de la mayoría de estas entidades, siendo un tema de constante discusión e incluso de controversia en torno a su propia definición.

Asimismo, investigaciones recientes dan cuenta de la utilidad que en términos del

análisis de posibles presiones inflacionarias tiene la utilización de indicadores sintéticos basados en la información contenida en índices que aproximan la evolución de variables económicas diversas, tanto relacionadas con la demanda y la oferta agregada, como aquellas basadas en encuestas de cualitativas y/o cuantitativas. Si bien existe un amplio número de series o índices que pueden ser utilizados para detectar la presencia de presiones de demanda, resulta poco eficiente el análisis de tantos indicadores. Sin embargo, existen técnicas, tales como los componentes principales, que permiten sintetizar la información contenida en un gran número de series índices. De esta manera, se pueden calcular componentes autónomos que explican una alta proporción de la varianza y covarianza común de las series utilizadas. Así, los componentes principales resultan en una herramienta de suma utilidad para el seguimiento de la evolución de las presiones inflacionarias.

El desarrollo de un indicador sintético basado en la técnica de componentes principales podría resultar en una herramienta útil como auxiliar de las estimaciones de producto potencial como determinante del comportamiento de la inflación. De hecho, la utilidad fundamental de la brecha del producto se vincula con la necesidad de entender la relación entre la evolución del ciclo del producto y su efecto real y/o potencial en la inflación. Así, el producto potencial no inflacionario puede definirse como el nivel de producción compatible con la estabilidad de precios,1 siendo por ende la brecha entre el producto observado y el potencial un indicador de presión de demanda con posible efecto inflacionario. En igual sentido, las series de indicadores agregados tendrán un comportamiento cíclico particular respecto al producto y la inflación, la utilidad de evaluar un componente sintético que resuma y consolide tales efectos de manera ortogonal brinda una alternativa al análisis de las presiones inflacionarias.

El BCRA tal como la mayoría de los bancos centrales estima el producto potencial

no inflacionario utilizando diversas metodologías,2 tales como el filtro de Hodrik-Prescott (HP), el ‘Band Pass Filters’, la función de producción, filtro de Kalman, filtro HP multivariado y VAR estructural. Estas últimas metodologías, llamadas multivariadas

1 Es decir un nivel de producto que no genera presiones inflacionarias, idealmente en torno a una tasa de inflación baja o una meta de inflación. 2 Ver Elosegui P. y otros (2006).

4

introducen componentes estructurales relevantes para aproximar el nivel de utilización de los recursos considerando su potencial efecto sobre la inflación.3 Estas medidas han sido estimadas para el caso de Argentina, y serán utilizadas en el presente trabajo como instrumentos de comparación y evaluación de la metodología de componentes principales.

El análisis de los componentes principales de los indicadores económicos y su

comparación y contraste con medidas alternativas del producto potencial constituye un ejercicio relevante para el proceso de toma de decisiones en bancos centrales. Un aspecto que interesa considerar particularmente es la relación entre los componentes principales y la evolución del producto, el producto potencial no inflacionario y la inflación.

En definitiva, en el presente trabajo se emplea la metodología de componentes

principales, tanto estáticos como dinámicos, sobre una serie de indicadores usualmente utilizadas por el BCRA para el seguimiento de la evolución de la demanda agregada. La metodología aplicada es evaluada en términos de su capacidad de pronóstico de la evolución del índice de inflación, así como en términos de su co-evolución con el producto y el producto potencial no inflacionario. En tal sentido, los componentes principales son evaluados comparativamente con la evolución del producto potencial no inflacionario de la Argentina estimados a partir de diversas metodologías. En el caso particular de nuestro país, este objetivo representa un desafío interesante considerando que, como veremos más adelante, el período incluido involucra tanto años de baja inflación como episodios de alta inflación, así como cambios importantes en los regímenes monetarios y económicos.

La sección 2 realiza una breve descripción metodológica acerca de los componentes

principales al tiempo que introduce el concepto de producto potencial no inflacionario y discute la evolución histórica de las metodologías utilizadas para su estimación. La sección 3 describe y analiza las metodologías alternativas para la estimación del producto potencial, tanto la basada en la función de producción, como las basadas en ‘State-Space’, incluyendo una curva de Phillips planteada en la forma de ‘State-Space’. También se considera una estimación del producto potencial basada en el filtro HP (univariado y multivariado) y una estimación basada en una variante calculada a partir de la propuesta de VAR estructural de Blanchard y Quah (1989). Por último, se presentan los coeficientes de correlación entre las distintas brechas estimadas, se analiza la capacidad predictiva de cada una de ellas y se comentan algunas conclusiones del trabajo. En la sección 4 se muestran los resultados obtenidos con la metodología de los componentes principales y se compara los mismos con los resultados de la sección 3. Por último, se concluye analizando las implicancias de los resultados observados en términos de su relevancia para la toma de decisiones de política monetaria. En el Anexo se detallan las series económicas utilizadas para el cálculo de los componentes principales.

3 Billmeier, A. (2004) asimila los modelos univariados a una concepción de “Real Business Cycle” (ciclo real), los que corresponden a los denominados no estructurales. En tanto, los multivariados tendrían un fundamento más cercano a la “concepción keynesiana", siendo los denominados estructurales o semi estructurales (porque tienen un componente de filtro univariado). Como se señala más adelante, los filtros multivariados tienen una relación más directa con la definición de producto potencial no inflacionario utilizada por los bancos centrales.

5

2. Descripción metodológica y definiciones formales. 2.1. La metodología de los componentes principales

El análisis de componentes principales (PCA) permite obtener una medida sintética

de la variabilidad conjunta de una colección de variables aleatorias relacionadas, a partir del calculo de aquellas combinaciones lineales de estas variables cuya varianza es máxima. Este método es muy ventajoso cuando se trabaja con un gran número de variables ya que permite, con una pérdida de información mínima, reducir la dimensión del problema. Como señala Kendall (1975), es habitual en economía el uso de medidas resumen del comportamiento de variables relacionadas que fuerzan a sistemas con n dimensiones a proveer información en una dimensión, ponderando a sus componentes según algún criterio de importancia relativa. Este autor enfatiza que la metodología de componentes principales construye medidas resumen que generan ponderadores obtenidos siguiendo un criterio de optimización determinado, a diferencia del criterio habitualmente usado para la construcción de muchos índices económicos agregados.

Dado un conjunto de p variables aleatorias que se conoce están relacionadas, se

espera que un número relativamente reducido de combinaciones lineales de éstas –los componentes principales– pueda explicar una proporción grande de la variabilidad total de esas variables. En ese sentido el método permite resumir en un conjunto reducido de n < p componentes principales y sus varianzas, la información contenida en un vector X: p x 1 de variables aleatorias y su matriz de varianzas y covarianzas, Σ.

Dado un vector de variables aleatorias X: p x 1 con E(X) = Φ, var(X) = Σ, es posible

definir α ≡ (αi) como un vector de ponderadores desconocidos de los componentes de X y z1 como un escalar tal que:

i

p

1ii1 XX'z ∑

=

== αα

Si los elementos de X están medidos en las mismas unidades se puede imponer:

1'p

1ii == ∑

=

ααα

De esta manera es posible encontrar un vector de ponderadores α tal que maximice

var(z1) = α’Σ α, sujeto a α’ α = 1. Entonces el problema de:

)1(1'.a.s

)'(max

=

∑

αα

ααα

puede escribirse como:

)1'('L −−∑= ααλαα

6

Diferenciando L con respecto a α e igualando a 0 se tiene que:

)2(0)I(y

022L

=−∑

=−∑=∂∂

αλ

λααα

y dado que:

0≠α Existe una solución si:

)(30I =−∑ λ Esto implica que λ es una raíz característica de la matriz de varianzas y covarianzas

de X, Σ, y α es un vector característico de esa matriz. Dado que Σ es una matriz p x p existen p raíces características p que satisfacen (3) y p combinaciones lineales ortogonales asociadas a p vectores característicos p. Teniendo en cuenta (2):

λαα =∑

y premultiplicando por α’:

λαλααα ==∑ '' El mayor valor de λ es aquel que maximiza la varianza de z. La solución al

problema (1) está dada por (α1, λ1); z1 = α1’X y α1 se conoce como el primer componente principal de ese conjunto de variables aleatorias. 2.2. El concepto de producto potencial no inflacionario y su medición: una perspectiva histórica

El producto potencial no inflacionario es inherentemente no observable, y resulta un caso paradójico de una variable cuya existencia teórica no está claramente definida y sin embargo es utilizada asiduamente en trabajos empíricos. En sentido estricto, las definiciones existentes de producto potencial no inflacionario son controversiales. No obstante, a los fines de la definición de la política monetaria el análisis de la relación entre el ciclo económico y la inflación cumple un rol fundamental, y por ello la brecha del producto a lo largo del ciclo económico se vuelve una herramienta analítica de alto valor. De allí el énfasis que los bancos centrales otorgan a la estimación de esta variable.

Dentro de las definiciones de producto potencial no inflacionario, una de las más

relevantes desde el punto de vista de los bancos centrales es la que presenta Okun (1970).

7

En su trabajo seminal, éste autor define al producto potencial como la cantidad máxima de producto que la economía podría generar bajo condiciones de pleno empleo de los recursos productivos, considerando a éste último como aquel que permite alcanzar un nivel máximo de producción en ausencia de presiones inflacionarias (estaría indicando así un nivel ‘sostenible’ de producción). Adicionalmente, Gordon (1984) le agrega a la definición una dimensión extra, ya que establece un vínculo entre el producto potencial y el mercado laboral, en particular con la tasa natural de desempleo. En este marco, el uso potencial de los recursos podría asimilarse a la utilización promedio de los factores productivos a través del ciclo económico, e indicaría el nivel de producción que no genera presiones inflacionarias (ni deflacionarias) en la economía, tanto en precios como en salarios. Por su parte, la literatura macroeconómica relacionada con la “New Neoclassical Synthesis”, establece un concepto diferente del producto potencial no inflacionario, al considerar que esta variable representa el nivel de producto de equilibrio que se alcanzaría con precios y salarios plenamente flexibles. Esta última definición podría asimilarse a una situación en la cual el producto potencial no inflacionario resulta un producto de estado estacionario. La presencia de presiones inflacionarias en la economía (cambios en el producto no asociados con cambios en el nivel de producto potencial no inflacionario) se asociaría con rigideces en los ajustes de precios y/o salarios. Si fuera posible estimar la variable no observable, una brecha positiva sería por definición un reflejo de la presencia de presiones inflacionarias en la economía, en tanto que una brecha negativa se relacionaría con una desaceleración, o deflación, en los precios domésticos.

El producto observado puede descomponerse en un componente cíclico y un

componente de crecimiento tendencial. En tal caso, los shocks permanentes sobre el producto deberían afectar básicamente al crecimiento de la serie y por ende a su tendencia y así al producto potencial no inflacionario, de manera que la brecha del producto debería mantenerse invariante. Por el contrario, los shocks temporarios, en general asociados con la demanda, afectarían principalmente al componente cíclico. En otros términos, los shocks permanentes (de oferta) presentarían efectos sobre el producto potencial no inflacionario y los transitorios (de demanda) afectarían básicamente al comportamiento de la brecha o del ciclo de la serie. Por tanto, desde el punto de vista de los hacedores de política monetaria serían estos últimos cambios los relevantes al momento de tomar decisiones. Precisamente, las metodologías que se muestran en el presente trabajo intentan discriminar entre cambios permanentes y transitorios del nivel de producto, siendo relevante el análisis comparado con las estimaciones de componentes principales que tienden a detectar presiones del lado de la demanda, aunque también se incorporarán indicadores del lado de la oferta.

La metodología que será utilizada como benchmark a fines comparativos con los componentes principales será la brecha de producto resultante de la aplicación de la metodología de la función de producción, ya que esta se muestra tal como veremos más adelante, robusta en términos de predicción de la inflación. Esta metodología basada en la desagregación del producto, esta inspirada en el trabajo seminal de Solow (1957), descompone los cambios del producto en variaciones de los factores productivos (mano de obra y capital) y en un residuo que representa la productividad total de los factores4. El

4 Se utilizan, en general, diversas clases de funciones de producción, siendo las más comunes las de tipo Cobb-Douglas, la especificación CES (elasticidades de sustitución constantes) y las funciones translogarítmicas (elasticidades de sustitución flexibles).

8

producto potencial representa el nivel de producto que es consistente con la tendencia o los niveles de equilibrio de los factores productivos y de la productividad. Una ventaja de esta metodología, frente a las estimaciones a través de tendencias lineales univariadas, es que permite descomponer los cambios del producto potencial no inflacionario a partir de las variaciones de sus principales determinantes, tales como el crecimiento de la mano de obra, del stock de capital y de la productividad. Esta cualidad, sumada al hecho que tales variables pueden, en general, ser estimadas, hace que sea una de las metodologías más difundidas entre los bancos centrales para la estimación del producto potencial y de la brecha del producto de la economía. Tal como se verá más adelante, una ventaja adicional de esta metodología se relaciona con el hecho que permite corregir las dificultades que presentan los métodos de tendencia para proyectar fuera de la muestra, así como por los posibles sesgos de esos métodos al inicio y al final de la serie. Además de la metodología de la función de producción también se analizan otras, calculadas a partir de mejoras técnicas recientes, que se reflejan en una creciente utilización de metodologías basadas en filtros estocásticos univariados (como las tendencias lineales y el filtro de Hodrick-Prescott). Asimismo, se estiman algunos métodos estructurales (VAR estructurales) y otros basados en técnicas que combinan las propuestas estructurales y las estocásticas, como la del filtro HP multivariado y algunos modelos estimados en la forma de ‘State-Space’. 3. Estimaciones alternativas del producto potencial 3.1. El método de la función de producción neoclásica

El BCRA emplea en la actualidad una metodología basada en una función de

producción neoclásica para la estimación del producto potencial no inflacionario. Esta metodología representa un camino intermedio entre los modelos estructurales y algunos modelos univariados, tales como los representados por tendencias lineales, o el filtro de Hodrick-Prescott.5 La metodología consiste en estimar el producto potencial no inflacionario a partir de sus principales determinantes: el empleo, ajustado por la tasa natural de desempleo o NAIRU y el capital, ajustado por el índice de utilización promedio de la capacidad instalada,6 así como de la productividad total de los factores (PTF) suavizada a través de promedios móviles.7 A tal fin se emplea una función de producción de tipo Cobb-Douglas con rendimientos constantes a escala y sesgo tecnológico neutral en el sentido de Hicks.

Los datos de la mano de obra ocupada provienen de información de la Encuesta

Permanente de Hogares y fueron ajustados por el subempleo involuntario (se adiciona a la tasa de desocupación el 51.8% de la subocupación).8 El stock de capital se estima a partir del año 1950 desagregando la inversión en Construcción y Maquinaria y Equipo y

5 Véase Escudé et al.( 2004). 6 De forma de aproximar el stock de capital (utilizado) de equilibrio de largo plazo. 7 Se obtiene una serie más suavizada que la original que intenta aproximar la PTF de equilibrio, o su tendencia de largo plazo, incorporando de esta manera una suerte de filtro univariado a una de los componentes del producto potencial. 8 De acuerdo con datos muestrales de horas ocupadas provenientes del INDEC, en promedio los subocupados (los que trabajan menos de 35 horas semanales pero quisieran trabajar más) estarían desocupados el 51.8% de su tiempo. Debido a ello se hace la mencionada corrección en la tasa de desocupación a efectos de estimar la ocupación horaria equivalente.

9

utilizando el método de inventario perpetuo.9 El stock de capital total obtenido se ajusta por el índice de utilización de la capacidad instalada (del sector industrial). La productividad total de los factores se estima residualmente a partir del PIB real, de la mano de obra ocupada (ajustada por subempleo) y del stock de capital ajustado por un índice de utilización de la capacidad instalada, siendo luego suavizada por medio de promedios móviles centrados de 19 trimestres.10 La mano de obra y el stock de capital se ponderan por sus respectivas participaciones en el ingreso (la participación de la mano de obra se obtiene de la masa salarial como porcentaje del PIB a precios corrientes, mientras que la participación del capital surge por diferencia). Los datos del PIB utilizados en las estimaciones están expresados en moneda constante (a precios de 1993) y fueron desestacionalizados a través del programa X12-ARIMA. El Gráfico 1 muestra la evolución del PIB observado (desestacionalizado) y del producto potencial no inflacionario, en $ de 1993, a partir de datos trimestrales que cubren el período 1980:1-2006:4. Gráfico 1. PIB real y estimación del producto potencial no inflacionario a través del método de la función de producción. En millones de $ de 1993 (datos desestacionalizados)

150 00 0

170 00 0

190 00 0

2 10 00 0

2 30 00 0

250 00 0

270 00 0

2 90 00 0

3 10 00 0

P IB rea l P ro ducto po tencia l

En el Gráfico 2 puede observarse la brecha de producto resultante de la metodología

de la función de producción y la tasa de inflación para todo el período bajo análisis. Debe notarse que los niveles de inflación correspondientes a las hiperinflaciones de 1989/1990 quedan fuera de la escala del gráfico, estando asociadas con una brecha negativa (producto potencial superior al PIB real). En general, se destaca que los episodios de elevada inflación están asociados con brechas del producto negativas, incluyendo al año 2002 como un período de elevada tasa de inflación si se lo compara con la inflación promedio observada durante la década previa. Como se verá al analizar las especificaciones alternativas para el

9 Véase Escudé et al. (2006). 10 Idem nota 7.

10

cálculo de la brecha de producto y, especialmente para la estimación de la curva de Phillips, estos episodios son controlados mediante variables binarias.

Gráfico 2. Brecha del producto con el método de la función de producción ((Y-Y*)/Y*), eje izq.) y tasas de inflación (eje der.)

-2 5

-2 0

-15

-10

-5

0

5

10

15

II III IV

I - 19

84 II III IV

I - 19

89 II III IV

I - 19

94 II III IV

I - 19

99 II III IV

I - 20

04 II III

-2 0

0

20

40

60

80

10 0

Brecha Inflac ió n

Asimismo, el gráfico permite distinguir un cambio importante en la relación entre la

tasa de inflación y el nivel de brecha de producto observado entre los períodos de inflación elevada (década de los 80s) y períodos de baja inflación (en los últimos quince años), dejando de lado los episodios de alta inflación relativa mencionados anteriormente. La disponibilidad de datos y series hace imposible utilizar el método de componentes principales para toda la muestra bajo análisis, por ende se estimarán únicamente para el período 1993-2006. Este período es sumamente rico y desafiante ya que si bien deja afuera los dos episodios hiperinflacionarios de fines de los 80s, incluye prácticamente todo el período de Convertibilidad (baja inflación), la crisis ulterior y la recuperación económica reciente bajo un régimen monetario diferente.

3.2. Modelos ‘State-Space’ El Gráfico 3 muestra la aplicación a los datos argentinos de otro de los métodos que suelen emplearse para estimar el producto potencial no inflacionario, el basado en los componentes no observables de las series a partir de modelos planteados en la forma de ‘State-Space’. La representación de un sistema dinámico en la forma ‘State-Space’ incorpora en la estimación a las variables no observables, conocidas como variables de estado, conjuntamente con las variables observables. Los modelos ‘State-Space’ son estimados a través de un algoritmo conocido como filtro de Kalman. Este filtro se emplea para evaluar la función de probabilidad y para suavizar y predecir las variables de estado no observables.

11

La representación ‘State-Space’ de un sistema dinámico, caracterizado por un vector yt (n x 1), podría indicarse a través de la siguiente expresión: Δyt = μt + Δgt + εy

t (4) gt = ϕ1 gt-1 + ϕ2 gt-2 + εg

t que es el sistema a estimar en su representación de ‘State-Space’. En algunos casos, la estimación de estos modelos podría resultar inestable y experimentar problemas de convergencia.11 Sin embargo, esta metodología presenta la ventaja de incorporar el comportamiento dinámico de las variables, información muy relevante en la estimación de modelos en períodos de shocks. El modelo incluye a las tasas de variación del PIB real desestacionalizado como variable observable y la estimación se realiza hasta alcanzar una condición de convergencia. El producto potencial no inflacionario parece seguir una tendencia definida a lo largo del período, con pequeños desvíos en los períodos de crisis, sin que los mismos reflejen cambios estructurales o en la tendencia de largo plazo, lo que implica un crecimiento del producto de tendencia de 0.38% promedio anual para dicho período. Puede observarse una importante correlación con la brecha que resulta de la estimación a través del método de la función de producción, en particular a partir de mediados de los años noventa, período que nos interesa a fines comparativos con los componente principales. Sin embargo, se nota alguna divergencia durante los años ochenta, donde a pesar de observarse períodos de alta inflación y algunos años con crecimiento del producto, la brecha del producto se mantiene negativa durante todo el período, a diferencia de lo que ocurre con la metodología de la función de producción. Gráfico 3. Brecha del producto ((Y-Y*)/Y*) con el método de la función de producción y con ‘State-Space’. En porcentajes (%)

-25 -20 -15 -10 -5 0 5

10 15

-20 -15 -10 -5 0 5 10 15

Función de 'State-

11 Debido a que es un proceso iterativo el modelo podría no alcanzar la convergencia.

12

3.3.Representación de una curva de Phillips planteada en la forma de ‘State-Space’

Otra alternativa para estimar el producto potencial es plantear una curva de Phillips y estimar la variable no observable (el producto potencial no inflacionario) a través de un modelo especificado en la forma de ‘State-Space’. En este caso se supone, en base a estimaciones propias, que la curva de Phillips depende de la inflación rezagada,12 la brecha del producto con un rezago y el tipo de cambio real multilateral rezagado.La ecuación a estimar tiene la siguiente forma (α, β, γ indican los parámetros del modelo):

πt = α πt-1 + β (yt-1 -yp

t-1) + γ zt + εt (5) donde la tasa de inflación πt en el momento t es función de la inflación pasada πt-1 (inercia de la inflación); de los factores de demanda representados por la brecha del producto, medida por la diferencia entre el PIB real desestacionalizado y el producto potencial no inflacionario con un rezago (yt-1 -yp

t-1);13 y de una variable zt que refleja el tipo de cambio real multilateral rezagado un período (esta variable captura el efecto de la dinámica del tipo de cambio sobre la inflación, a través del canal de los costos de producción y de los precios de los bienes importados; véase Sarikaya et al., 2005).14 Debe notarse que el modelo estimado al aplicar el filtro de Kalman, alcanza la condición de convergencia. El Gráfico 4 indica las brechas del producto (en porcentajes) obtenidas a través de la representación de la curva de Phillips y del método de la función de producción. Se observan algunas diferencias entre ambos métodos, en especial en el lapso posterior a la crisis de fines del 2001 período que nos interesa dado que estará cubierto por nuestra estimación de los componentes principales.

Gráfico 4. Brechas del producto ((Y-Y*)/Y*) con el método de la función de producción y con una curva de Phillips en ‘State-Space’. En porcentajes (%)

-25

-20

-15

-10

-5

0

5

10

15

-25

-20

-15

-10

-5

0

5

10

15

Curva de P hillips Funció n de pro ducció n

12 Esta variable representa la inercia de la inflación (representación “backward looking”). 13 Esta brecha, que podría reflejar la presión de los costos de producción, permite medir los cambios en las tasas de inflación en respuesta a los shocks de demanda. 14 Se incluye también una variable “dummy” que toma valor uno en los períodos: 1989:3, 1990:2, y 2002:1 a 2005:4.

13

3.4. Estimaciones a través del filtro de Hodrick-Prescott (HP) y el HP multivariado El filtro HP univariado ha sido empleado extensamente en la literatura relacionada con los modelos de ‘ciclo económico real’ (‘real-business-cycle models’).15 Este tipo de filtro permite descomponer los shocks en un componente permanente (oferta) y en otro temporario (demanda). Si bien en algunos casos podría no ser tan clara la distinción entre ambos tipos de shocks, desde el punto de vista del análisis de la inflación es importante establecer algún tipo de restricción que permita discriminar los shocks de demanda de los de oferta. En el trabajo se asigna un valor de 1600 al coeficiente λ, que determina el nivel de suavización de la tendencia, valor usualmente utilizado para el caso de series con periodicidad trimestral.

Por su parte, a efectos de perfeccionar la estimación del método univariado planteado por Hodrick-Prescott, Laxton y Tetlow (1992) proponen una generalización del filtro HP que incorpora información proveniente de una curva de Phillips y de la ley de Okun (adicionalmente, se incluye también una tercera ecuación correspondiente a la utilización de la capacidad instalada). En el presente trabajo se incluye solamente a la curva de Phillips, por lo que en el HP multivariado, el producto potencial se define como la serie que se obtiene al minimizar la expresión (6):

L = ∑=

S

t 1(yt-yT

t)2 + λ∑−

=

1

2

S

t(ΔyT

t+1 - ΔyTt)2 + ∑

=

S

t 1μtε2

π,t (6)

donde ε representa los residuos de la regresión πt, que surge de la ecuación de la curva de Phillips (7), mientras que μ es la ponderación correspondiente. La expresión a estimar de la curva de Phillips es la siguiente:

πt = πet + A(L) (yt-1 – yT

t-1) + επ,t (7)

La expresión (7) establece que las tasas de inflación dependen de la inflación esperada y de la brecha del producto en porcentaje rezagada un período. Para la obtención del producto potencial a través del filtro HP multivariado se sigue un procedimiento iterativo, similar al utilizado por Conway y Hunt (1997). En el Gráfico 6 se presentan las brechas del producto calculadas a partir del filtro HP univariado y se las compara con la obtenida mediante el método de la función de producción. Si bien la magnitud (y el signo, en determinados casos) de la brecha puede diferir para algunos períodos, puede observarse que la dinámica en el tiempo seguida por las tres brechas es muy similar a lo largo de la muestra. 15 Véase Hodrick y Prescott (1997).

14

Gráfico 6. Brechas del producto ((Y-Y*)/Y*) con el método de la función de producción y con el filtro HP univariado. En porcentajes

-2 5

-20

-15

-10

-5

0

5

10

15

-15

-10

-5

0

5

10

Funció n de pro ducc ió n HP univa riado

3.5. La propuesta de VAR estructural (SVAR) de Blanchard y Quah Otra metodología utilizada para estimar el producto potencial es la propuesta de VAR estructural de Blanchard y Quah (1989). Este método se basa en la tradición keynesiana y en la síntesis neoclásica. En tal sentido, los autores identifican al producto potencial no inflacionario con la capacidad de oferta agregada de la economía y a los cambios en el componente cíclico (brecha) con fluctuaciones de la demanda agregada. En particular, Blanchard y Quah (1989) suponen que los shocks de oferta presentan efectos permanentes sobre el producto mientras que los shocks de demanda tienen solo efectos transitorios sobre esa variable.16 Para estimar el producto potencial, Clarida y Gali (1994) y Cerra y Saxena (2000) plantean un modelo SVAR que incluye al PIB real, al tipo de cambio real y al Indice de Precios al Consumidor, con las variables expresadas en primeras diferencias del logaritmo natural. En símbolos sería:17 ΔXt = [ΔYt, ΔTCRt, ΔIPCt] (8) donde ΔXt representa el vector de variables del VAR, ΔYt el PIB real, ΔTCRt el tipo de cambio real y ΔIPCt el índice de precios al consumidor (en primeras diferencias del logaritmo natural). Dado que el producto potencial no inflacionario se asimila al componente permanente del producto, Cerra et al. (2000) proponen derivar esa variable a partir de una tendencia a la cual se incorporan los shocks de oferta derivados a la aplicación de esta metodología.

16 El VAR estructural (SVAR) se plantea como una alternativa a la ortogonalización recursiva de Cholesky, lo cual requiere imponer determinadas restricciones para identificar los componentes ortogonales estructurales del término de error. 17 Para la presentación de la parte teórica y el desarrollo empírico del SVAR se sigue principalmente el trabajo de Cerra et al. (2000).

15

A diferencia de otras técnicas multivariadas, la propuesta del VAR estructural descansa sobre fundamentos teóricos. A su vez, las estimaciones provenientes de estos modelos no estarían sujetas a los sesgos de fin de muestra como suele ocurrir con otros métodos como el HP. No obstante, suele considerarse que las restricciones impuestas a los modelos VAR podrían plantear dificultades para asociar shocks específicos con determinadas variables económicas (por ejemplo, los shocks tecnológicos, considerados como shocks de oferta, podrían simultáneamente incrementar la demanda debido al efecto riqueza). La estimación realizada con esta técnica muestra algunas diferencias con la proveniente del método de la función de producción, en particular a la salida de la última crisis, dado que la brecha negativa del producto se revierte en el tercer trimestre del año 2004. En contraste, en la estimación realizada con el método de la función de producción la brecha se torna positiva durante el primer trimestre de 2005. En el Gráfico 11 se indican las brechas, provenientes del método de la función de producción y de la propuesta del SVAR, en porcentajes. Se observa una mayor correlación entre ambas durante los ochenta y la primera mitad de los años noventa. Gráfico 7. Brecha del producto ((Y-Y*)/Y*) con el método de la función de producción y con la propuesta de ‘SVAR’. En porcentajes

-21

-16

-11

-6

-1

4

9

14

19

II -

1981 II

I IV

I - 1

985 II III IV

I - 1

990 II III IV

I - 1

995 II III IV

I - 2

000 II III IV

I - 2

005 II

Func ió n de pro ducc ió n SVAR

16

3.6. Análisis descriptivo respecto de las distintas brechas del producto 3.6.1. Estadísticas descriptivas de las distintas brechas En la Tabla 1 se indican algunas estadísticas descriptivas relacionadas con los diferentes métodos utilizados para estimar la brecha del producto. Se observa que el valor mínimo corresponde a las brechas correspondientes a los métodos de la función de producción y de State-Space y el máximo a las brechas de la función de producción y de capacidad instalada. Las brechas correspondientes a State-Space, a la función de producción y a la capacidad instalada presentan, a su vez, el mayor desvío estándar.

Tabla 1. Estadísticas descriptivas de las brechas del producto. Media Mínimo Máximo D. S.

Función de Producción -0.012 -0.187 0.097 0.061 State-Space -0.032 -0.188 0.090 0.064 Curva de Phillips por SS 0.010 -0.119 0.085 0.042 Filtro HP univariado corregido

-0.002 -0.120 0.080 0.045

SVAR -0.003 -0.116 0.077 0.044 Brecha Empleo -0.0002 -0.116 0.043 0.028 Brecha Capacidad -0.001 -0.185 0.104 0.060 Nota: la brecha del producto ((y-y*)/y*) está expresada en tanto por uno. D.S.: desvío estándar. Período 1980:1-2006:4.

Por su parte, en la Tabla 2 se muestran los coeficientes de correlación entre las diferentes medidas de la brecha del producto. Se aprecia que la brecha correspondiente al método de la función de producción muestra una mayor correlación con la brecha del filtro HP (corregido) y con la brecha que surge a partir de la propuesta de VAR estructural.

Tabla 2. Correlaciones entre diferentes medidas de la brecha del producto. Brecha del producto ((y-y*)/y*), en tanto por uno.

Función de

Producción State-Space

C. Phillips Filtro HP univariado corregido

SVAR

Función de Producción 1.00 0.64 0.39 0.85 0.83 ‘State-Space’ 0.64 1.00 0.16 0.71 0.71 Curva de Phillips por SS 0.39 0.16 1.00 0.36 0.39 Filtro HP univariado corregido

0.85 0.71 0.36 1.00 0.99

SVAR 0.83 0.71 0.39 0.99 1.00 Brecha Empleo 0.57 0.48 0.33 0.69 0.71 Brecha Capacidad 0.69 0.49 0.55 0.78 0.79 Nota: Período 1980:1-2006:4.

3.6.2. Medidas de evaluación del error de pronóstico para las brechas del producto Dado que a la brecha del producto se la considera frecuentemente un instrumento útil para calibrar las presiones inflacionarias en la economía, la información proveniente de

17

esta variable debería servir, en principio, para mejorar la precisión en las estimaciones de las tasas de inflación. A fin de evaluar la capacidad de realizar pronósticos por parte de las distintas medidas de la brecha del producto se recurre a la estimación de una versión de la curva de Phillips híbrida, por GMM, y se pronostica las tasas de inflación para los subperíodos dentro de la muestra (“in-sample”) 1995:1-1998:4; 1999:1-2002:4 y 2003:1-2006:4. La curva de Phillips considera a la tasa de inflación como variable dependiente, mientras que como variables explicativas se incluyen a la brecha del producto, a la tasa de inflación con un rezago (componente “backward looking”, inercia de la inflación) y a las expectativas de inflación futura (componente “forward looking”, inflación del período siguiente).18 Se supone la superneutralidad de la curva de Phillips (la suma de los coeficientes de las variables nominales debería ser uno). En el caso de la brecha del producto, la misma afecta a la inflación presente pero de manera diferencial según el período considerado: el período previo a la Convertibilidad (primer trimestre de 1980 a primer trimestre de 1991), período de la Convertibilidad (segundo trimestre de 1991 a cuarto trimestre de 2001), período de crisis (primer trimestre de 2002 a primer trimestre de 2003) y período post-crisis desde el segundo trimestre de 2003 y hasta el final de la muestra. A su vez, en la Tabla 3, se incluye la brecha del empleo y de la capacidad instalada (indicadores de presión de demanda) y una estimación que considera al crecimiento del PIB real en lugar de alguna de las brechas del producto estimadas (supuesto de crecimiento del producto potencial constante).

Puede observarse que los pronósticos realizados a partir de las estimaciones de la brecha con el método de la Función de producción muestran un menor error medio cuadrático, seguida por las estimaciones realizadas con HP univariado corregido, State Space y SVAR.

Tabla 3. Error medio cuadrático (RMSE) porcentual para los pronósticos correspondientes a las distintas brechas del producto en la estimación de una curva de Phillips híbrida. Pronósticos “in-sample” para los

subperíodos 1995:1-1998:4, 1999:1-2002:4 y 2003:1-2006:4. 1995:1-1998:4 1999:1-2002:4 2003:1-2006:4

Función de producción 0.46 2.95 0.52 State Space 0.46 3.17 0.91 Curva de Phillips en SS 2.19 3.72 0.63 HP univariado corregido19 0.51 2.57 0.73 SVAR 0.47 3.63 0.67 Brecha empleo 1.37 5.94 4.32 Brecha capacidad 2.38 4.13 0.63 PIB crecimiento (1) 2.82 3.90 1.19 (1). En este caso se ha reemplazado la brecha del producto por las tasas de crecimiento del PIB real.

18 Además se introducen en la estimación variables binarias, en caso de ser necesarias, similares a las mencionadas en la nota al pie 22 y para controlar valores inusuales en el período de la salida de la crisis. 19 Modificado para evitar los problemas de fin de muestra.

18

4. La metodología de componentes principales. Resultados preliminares.

Para llevar a cabo el análisis de componentes principales con el objetivo de obtener una medida resumen de actividad económica que aproxime la brecha del producto, se relevaron 74 series correspondientes a variables de la oferta y demanda en la economía argentina, para el período 1993-2006. Estas provienen de datos con frecuencia trimestral de las cuentas nacionales, de los componentes del producto y la demanda agregada, encuestas de capacidad industrial, stocks, perspectivas de la tendencia y la situación general, índices de producción de distintas industrias manufactureras, consumo de servicios públicos, entre otras. Como las series involucradas son muy heterogéneas entre sí y la aplicación del PCA requiere cierta homogeneidad entre ellas, se llevó adelante un tratamiento previo de cada serie que incluyó: desestacionalización en los casos en que ello probó ser necesario, su diferenciación o la resta de una tendencia determinística para aquellas variables no estacionarias –dependiendo de si presentaban tendencia estocástica o determinística–, y finalmente su estandarización –a cada serie se restó su media y, al resultado de esta resta, se lo dividió por su desvío estándar–.

Los resultados del PCA indican que el primer componente principal resume un

36,4% de la información contenida en la matriz de covarianzas de las series. Cuando se consideran los primeros dos componentes principales se explica casi la mitad de la volatilidad conjunta de las series (48,4%), mientras que la totalidad (100%) de esta información es capturada con los primeros 53 del total de los 74 componentes principales estimados. La proyección de las 74 variables originales utilizadas en el vector del primer componente principal proporciona la medida resumen de actividad económica buscada. Su evolución a lo largo del período 1993-2006 se grafica a continuación (Brecha CP, con línea entera), junto con la brecha del producto calculada a partir del método de la función de producción (Brecha FP) para el mismo lapso: Gráfico 8. Componentes principales y brecha del producto ((Y-Y*)/Y*) con el método de la función de producción (%)

-20

-15

-10

-5

0

5

10

1993Q2 1994Q3 1995Q4 1997Q1 1998Q2 1999Q3 2000Q4 2002Q1 2003Q2 2004Q3 2005Q4Brecha CP (1er. CP) Brecha FP (%)

19

En el Gráfico 8 se observa una dinámica similar en el tiempo a lo largo del período considerado, pero particularmente similar en el período previo a la crisis de 2002. Más aún, parecería que el indicador obtenido con PCA se adelanta en gran parte del período examinado a la evolución de la brecha del producto por la función de producción, anticipando sus turning points. Esto se corrobora con la ayuda de la estimación de correlogramas cruzados entre ambas series (ver tabla debajo), que reflejan una mayor correlación entre el indicador obtenido por PCA y la brecha adelantada 2 a 3 trimestres (o, lo que es lo mismo, la brecha contemporánea está mayormente correlacionada con el indicador por PCA rezagado 2 a 3 trimestres).

Tabla 4. Correlogramas Cruzados (II1993 - IV2006)

1er. Componente Principal (CP1) versus: i gap_fp (-i) gap_fp (+i)0 0.532 0.5321 0.272 0.6502 0.067 0.6853 -0.074 0.6694 -0.164 0.6325 -0.208 0.5646 -0.234 0.4987 -0.250 0.4198 -0.219 0.328

El análisis multivariado de los componentes principales en el marco de una

ecuación de Phillips permitirá determinar de manera más robusta la relevancia de este indicador como estimador adelantado de las presiones de demanda. Por otro lado, el estudio de los pesos de las diferentes variables en el primer componente principal permitirá enriquecer el análisis al momento de evaluar el posible origen de las presiones inflacionarias de demanda.

20

5. Conclusiones.

La premisa de cumplir con el objetivo primordial de velar por la estabilidad de

precios hace prioritario para toda autoridad monetaria contar con herramientas analíticas que permitan un adecuado seguimiento de las tendencias y presiones inflacionarias en la economía. Así, los bancos centrales han desarrollado diversas metodologías que permiten contar con herramientas analíticas tales como las estimaciones del producto potencial no inflacionario y de la brecha del producto de la economía. En muchos casos tales variables resultan clave para explicar la dinámica de los precios y de los salarios, a pesar de que no se trate de variables directamente observables.

Una alternativa al uso de tales variables es el seguimiento de indicadores diversos

que permitan tener una idea, preferentemente adelantada, de la presencia de presiones inflacionarias. Si bien la cantidad de información disponible para tal fin generalmente aumenta con la cantidad de variables incluidas en el análisis, éste se torna crecientemente complejo a medida que esa cantidad crece. La metodología de componentes principales permite una simplificación y consolidación de la información relevante extraída de un número significativo de series e índices. El presente trabajo muestra una aplicación al caso argentino, con un indicador sintético que resume la información proveniente de aproximadamente 75 series e índices económicos.

Tal como se muestra en el presente trabajo, la metodología de componentes

principales puede cumplir un rol auxiliar en la toma de decisiones de política monetaria. En particular, permite estimar la presencia de presiones inflacionarias en la economía, complementando la información extraída de otras técnicas y metodologías basadas en componentes no observables. La aplicación de esta metodología permite consolidar información no presente en las estimaciones de la oferta y demanda agregadas de las Cuentas Nacionales pero estrechamente ligada a los ciclos productivos y de demanda en la economía. Más aún, la forma en que esta consolidación se lleva a cabo sigue un criterio de optimalidad (a partir de maximizar en un único indicador la información contenida en un gran número de indicadores), en contraposición con el criterio económico (no siempre útil para la realización de proyecciones) comúnmente utilizado en la agregación de las variables macro.

Por último, en el trabajo se incluyen también estimaciones del producto potencial no inflacionario y de la brecha del producto realizadas no sólo a partir del método de la función de producción sino también a través de diversos métodos, tales como el método de ‘State-Space’, la curva de Phillips estimada por medio del filtro de Kalman (‘State-Space’), el filtro HP (univariado y multivariado) y de la propuesta de VAR estructural de Blanchard y Quah (1989). El desarrollo de estas metodologías junto con los componentes principales permiten al BCRA contar con una batería de instrumentos con los cuáles se puede aproximar el nivel del producto potencial no inflacionario, que en todos los casos muestra ser una variable determinante de la tasa de inflación de la economía. La disponibilidad de tal variedad de instrumentos constituye un valor agregado importante a la hora de monitorear y analizar el nivel del producto y demanda agregada compatible con la estabilidad en el nivel de precios, objetivo final de la política monetaria.

21

ANEXO Series utilizadas para la estimación de los componentes principales

1 Utilización de Capacidad Instalada (FIEL): Industria Manufacturera2 Utilización de Capacidad Instalada (FIEL): Bines de Consumo No Durables3 Utilización de Capacidad Instalada (FIEL): Bines de Consumo Durables4 Utilización de Capacidad Instalada (FIEL): Bienes de Capital5 Utilización de Capacidad Instalada (FIEL): Bienes de Uso Intermedio6 Encuesta FIEL: Situación general Industria manufacturera7 Encuesta FIEL: Situación general Bienes de consumo no durables8 Encuesta FIEL: Situación general Bienes de consumo durables9 Encuesta FIEL: Situación general Bienes de capital

10 Encuesta FIEL: Situación general Bienes de uso intermedio11 Encuesta FIEL: Perspectiva Próximos Meses Industria manufacturera12 Encuesta FIEL: Perspectiva Próximos Meses Bienes de consumo no durables13 Encuesta FIEL: Perspectiva Próximos Meses Bienes de consumo durables14 Encuesta FIEL: Perspectiva Próximos Meses Bienes de capital15 Encuesta FIEL: Perspectiva Próximos Meses Bienes de uso intermedio16 Encuesta FIEL: Tendencia de Demanda Industria manufacturera17 Encuesta FIEL: Tendencia de Demanda Bienes de consumo no durables18 Encuesta FIEL: Tendencia de Demanda Bienes de consumo durables19 Encuesta FIEL: Tendencia de Demanda Bienes de capital20 Encuesta FIEL: Tendencia de Demanda Bienes de uso intermedio21 Encuesta FIEL: Nivel de Stocks Industria manufacturera22 Encuesta FIEL: Nivel de Stocks Bienes de consumo no durables23 Encuesta FIEL: Nivel de Stocks Bienes de consumo durables24 Encuesta FIEL: Nivel de Stocks Bienes de capital25 Encuesta FIEL: Nivel de Stocks Bienes de Uso Intermedio26 Automotores: Producción Total (automóviles + utilitarios y de carga, en unidades)27 Automóviles: Producción (en unidades)28 Automotores: Producción Nacional Ventas al Mercado Interno (en unidades)29 Automotores: Ventas al Mercado Interno (en unidades)30 Estimador Mensual de Actividad Económica (EMAE)31 Índice de Producción Industrial (IPI): Nivel general32 Índice de Producción Industrial (IPI): Bienes de Consumo No Durables33 Índice de Producción Industrial (IPI): Bienes de Consumo Durables34 Índice de Producción Industrial (IPI): Bines de Uso Intermedio35 Índice de Producción Industrial (IPI): Bienes de capital36 Índice de Producción Industrial (IPI): Alimentos y Bebidas37 Índice de Producción Industrial (IPI): Cigarrillos38 Índice de Producción Industrial (IPI): Insumos textiles39 Índice de Producción Industrial (IPI): Pasta y papel

22

Continuación

40 Índice de Producción Industrial (IPI): Combustible41 Índice de Producción Industrial (IPI): Químicos y Plásticos42 Índice de Producción Industrial (IPI): Minerales No Metálicos43 Índice de Producción Industrial (IPI): Siderurgia44 Índice de Producción Industrial (IPI): Metalmecánica45 Índice de Producción Industrial (IPI): Automóviles46 Iindicador Sintético de Energía (ISE)47 Estadísticas de Serevicios Públicos: Índice Sintético General48 PIB a precios constantes: Agricultura, Ganadería, Caza y Silvicultura49 PIB a precios constantes: Pesca50 PIB a precios constantes: Explotación ee Minas y Canteras51 PIB a precios constantes: Industria Manufacturera52 PIB a precios constantes: Suministro de Electricidad, Gas y Agua53 PIB a precios constantes: Construcción54 PIB a precios constantes: Sectores Productores de Bienes55 PIB a precios constantes: Comercio Mayorista y Minorista y Reparaciones56 PIB a precios constantes: Hoteles y Restaurantes57 PIB a precios constantes: Transporte, Almacenamiento y Comunicaciones58 PIB a precios constantes: Intermediación Financiera59 PIB a precios constantes: Actividades Inmobiliarias, Empresariales y de Alquiler60 PIB a precios constantes: Administración Pública y Defensa61 PIB a precios constantes: Enseñanza, Servicios Sociales y de Salud

62 PIB a precios constantes: Otras Actividades de Servicios Comunitarias Personales y Servicio Doméstico

63 PIB a precios constantes: Sectores Productores de Servicios

64 PIB a precios constantes: Servicios de Intermediación Financiera Medidos Indirectamente

65 PIB a precios constantes: Valor Agregado Bruto a Precios de Productor66 Inversión Bruta Interna Fija (IBIF): Total 67 Inversión Bruta Interna Fija (IBIF): Construcción 68 Inversión Bruta Interna Fija (IBIF): Equipo Durable 69 Inversión Bruta Interna Fija (IBIF): Equipo Durable Nacional 70 Inversión Bruta Interna Fija (IBIF): Equipo Durable Importado 71 Inversión Bruta Interna Fija (IBIF): Equipo Durable Nacional

72 Inversión Bruta Interna Fija (IBIF): Equipo Durable Nacional (incluye elaboración de Equipo durable de producción por cuenta propia)

73 Consumo Privado a precios de 199374 Consumo Público a precios de 1993

23

Referencias Billmeier A. (2004). “Ghostbusting: Which Output Gap Measure really matters?. IMF WP04/146. Blanchard O. y Quah D. (1989). “The Dynamic Effects of Aggregate Demand and Aggregate Supply”. The American Economic Review. (79). 655-73. Cerra V. y Saxena S. (2000). “Alternative Methods of Estimating Potential Output and the Output Gap: an Application to Sweden”. IMF. Clarida R. y Gali J. (1994). “Sources of Real Exchange Fluctuations: how important are Nominal Shocks?”. Carnegie Rochester Conference Series on Public Policy. (41). 1-56. Conway P. y Hunt B. (1997). “Estimating Potential Output: a Semi-structural Approach”. Reserve Bank of New Zealand. Discussion Paper Series G97-9. Diciembre. Elosegui Pedro, Garegnani Lorena, Lanteri Luis, Lepone Francisco, Sotes Paladino Juan Martín. (2006) “Estimaciones alternativas de la brecha del producto para la economía argentina”. Ensayos Económicos 45. Octubre. Pág. 45-77. Escudé G., Gabrielli F., Lanteri L. y Roulliet J. (2004). “La estimación del producto potencial para la Argentina: 1980:1 – 2004:1”. B.C.R.A.. Hay una versión en inglés de este trabajo: “Estimating Potencial Output for Argentina, 1980:1/2004:1”. Escudé G. y Lanteri L. (2006). “Estimación del Stock de Capital para la Economía Argentina, 1950-2005”. Mimeo. Banco Central de la República Argentina. Sub Gerencia General de Investigaciones Económicas. Gordon R. (1984). “Unemployment and the Growth of Potential Output in the 1980s”. Brookings Papers on Economic Activity. (15). 537-64. Hodrick R. y Prescott E. (1997). “Post-War US Business Cycles: an Empirical Investigation”. Journal of Money, Credit and Banking. (29). 1-16. Kichian M. (1999). “Measuring Potential Output within a State-Space Framework”. Bank of Canada. Working Paper 99-9. Laxton D. y Tetlow R. (1992). “A Simple Multivariate Filter for the Measurement of Potential Output”. Bank of Canada Technical Report n° 59. Okun A.M. (1970). “The Political Economy of Prosperity”. Washington D.C. : The Brookins Institution. Sarikaya C., Ogünc F., Ece D., Kara H. y Ozlale U. (2005). “Estimating Output Gap for he Turkish Economy”. Central Bank of Republic of Turkey. Febrero.

24

Solow R. (1957). “Technical Change and the Aggregate Production Function”. Review of Economics and Statistics. (39). 312-20.