You are on page 1of 18

Fluctuaciones en el PIB y en la tasa de desempleo de la República Argentina.

Índice

1. Introducción

2

1.a Motivación

2

1.b Objetivos

5

1.c Metodología

5

1.d Resultados Esperados

5

2. Revisión de la literatura

6

3. Análisis previo de las series

7

4. El modelo empírico. VAR

9

4.a. Estimación

9

4.b El modelo VAR

9

4.c. Funciones Impulso-Respuesta

12

5. Resultados

13

5.a. Función impulso-respuesta

13

5.b. Análisis de la varianza del error de pronóstico

15

6. Anexo

17

7. Referencias bibliográficas

18

1

1 1978.a.1 miles de millones de $ 296 Fuente: La serie proviene de empalmar tres series: 1970. Las series seleccionadas son el Producto Bruto Interno (PBI) de Argentina semestral y la tasa de desempleo del total de aglomerados urbanos con sus correspondientes logaritmos naturales.1 1982. Nota: corresponde a la serie del PIB semestral construida promediando el primer y segundo trimestre de cada año para obtener el promedio del primer semestre de cada año.1 1976.1: Ministerio de Economía.1: FIEL.1 1994. quedan dos observaciones por año. exclusión social y generalización de la pobreza.1-1980.1 1980.1 1992. Este estudio busca analizar los movimientos del desempleo de Argentina y ligarlos con fuentes de las variaciones en el nivel de actividad económica.1-1993. y promediando el tercer y cuarto trimestre de cada año para obtener el promedio del segundo trimestre de cada año. igual que la serie de la tasa de desempleo.1 1996.1 1998. Figura 1 PIB real semestral 1974-2002 (Precios de 1993) 265 233 202 2002. Debido a la gravedad de las consecuencias sociales del desempleo.1 1988.1 1990.I. Motivación El costo social más importante de los cambios en el nivel y en el crecimiento de la economía es el desempleo.1 1984.2: Ministerio de Economía. la cuestión bajo estudio es analizar la serie del nivel de actividad económica y del desempleo de Córdoba. 2 .1-2002. Así.1 170 1974.1 2000.1 1986. Introducción 1. 1980. Para atacar este mal es necesario conocer por qué se producen fluctuaciones en las tasas de ocupación y en el nivel de actividad económica. Las consecuencias de este fenómeno repercuten en la calidad de vida de la población generando desigualdad. 1993.

Figura 2 Logaritmo natural del PIB semestral. crisis rusa y devaluación del real en Brasil. De ahí se ve que la tasa de crecimiento promedio es prácticamente nula. El primero se extiende desde 1974 hasta1990. La mano de obra es uno de los factores más utilizados en la producción de bienes y servicios. Esta observación preliminar de la serie del PIB nos sugiere que la serie no es estacionaria.09 1974:1 1976:1 1978:1 1980:1 1982:1 1984:1 1986:1 1988:1 1990:1 1992:1 1994:1 1996:1 1998:1 2000:1 2002:1 Fuente: elaboración propia en base a datos de la Figura 1 Se observan claramente dos periodos. dentro del cual existen a su vez dos periodos: 1974-1998 y 1998-2002. Luego.50 12. separados por el comienzo de la prolongada recesión argentina. indicando la presencia de una tendencia que cambia a lo largo del tiempo.64 logpib 12. Cabe mencionar dentro de este último subperiodo. la fase descendente del ciclo que arranca en 1998 luego de las sucesivas crisis internacionales que afectaron a nuestro país :crisis asiática. abarcando la última parte de la década del ’70 y toda la década del ’80.23 12. aparece el subperiodo 1990-2002.37 12.1974-2002 12. 3 . por esa razón hay una estrecha vinculación entre las fluctuciones en el nivel de actividad económica (PIB) y los cambios en la tasa de desempleo.

57 Fuente: elaboración propia en base a datos del INDEC.Figura 3 Tasa de desempleo.46 tasa de desempleo (%) 17.95 1.34 2002:1 2000:1 1998:1 1996:1 1994:1 1992:1 1990:1 1988:1 1986:1 1984:1 1982:1 1980:1 1978:1 1976:1 0.62 2002:1 2000:1 1998:1 1996:1 1994:1 1992:1 1990:1 1988:1 1986:1 1984:1 1982:1 1980:1 1978:1 1976:1 1974:1 1. 4 . Total aglomerados urbanos 22.34 Fuente: elaboración propia en base a datos del INDEC.18 1.72 1974:1 logdes 2.18 11.90 6. Figura 4 Logaritmo de la tasa de desempleo del total de aglomerados urbanos 3.

no parece ser estacionaria. siguiendo a Blanchard y Quah (1987). 1. deberíamos encontrar que. siendo la contribución más importante que se intenta aquí la descomposición de las fluctuaciones económicas en sus componentes cíclico y tendencial. en caso de que la serie de desempleo fuese no estacionaria. Determinación del grado de estacionariedad de la serie de desempleo para Argentina y de la serie del PIB nacional 3.d. Autorregresivo Integrado y de Promedios Móviles (conocido también como método de Box y Jenkins) para el PBI y el desempleo. Identificar el proceso estocástico que siguen el PIB y el desempleo 2. Debido a que podremos contar con una descripción adecuada del ciclo económico y su 5 . 1. Para lograr tales objetivos se emplea un modelo de Vector Autorregresivo (VAR) en el marco del enfoque de modelos de serie de tiempo llamados ARIMA.Podemos apreciar de la figura 4 dos grandes tendencias a lo largo del tiempo. y describir con precisión el proceso estocástico que éstan siguen en el tiempo. En las secciones 3 y 4 mostramos que éste es el caso y replanteamos esta hipótesis de trabajo y el modelo a estimar.b. con la hipótesis de que la tasa de desempleo es estacionaria. Metodología Se trabaja. Esta hipótesis permite separar los componentes transitorios y permanentes de cada serie. Por lo tanto. Descomponer las series de PIB y desempleo en sus componentes de oferta (permanente) y de demanda (transitorio) utlizando la metodología de Vector Autorregresivo (VAR) 4. Asimismo. Objetivos específicos de este trabajo 1.4% de la fuerza laboral. Concluir con un análisis de ambas series sugiriendo evidencia empírica sobre la dirección que deberían tomar las políticas económicas que buscan reducir el desempleo. se observa que el problema bajo estudio no fue aún analizado para el caso argentino. época del mencionado efecto “tequila”. en principio. analizar la relación entre ambas series. A partir de los años noventa el desempleo empieza a subir peligrosamente llegando en el primer semestre de 1995 al 18. 1.c. Resultados Esperados Se espera que el shock de demanda explique las fluctuaciones de corto plazo del PIB mientras que su tendencia de largo plazo se deba a shocks de oferta. ninguna de las dos perturbaciones (oferta y demanda) alteren su nivel de largo plazo conocido como tasa natural (de alrededor de un 5% de la PEA). Una decreciente desde 1974 hasta comienzos de la década de los ’80 y una tendencia hacia arriba desde 1980 hasta el año 2002. es decir. De los antecedentes bibliográficos citados. De las Figuras 3 y 4 se ve claramente que el desempleo tiene una media creciente en el periodo de análisis. el desafío consistirá en aplicar un método alternativo para reconocer qué parte de la serie del PBI es transitoria y cuál es permanente. Para la tasa de desempleo. Objetivos El objetivo general es separar los componentes de oferta (con efecto transitorio y permanente sobre el producto) y de demanda (sólo con efecto transitorio sobre el producto y la tasa de desempleo) en las series del PIB y del desempleo de Argentina (tasa de desempleo del total de aglomerados urbanos) y analizar la relación entre ambos. que ningún shock puede alterar su nivel de largo plazo.

un shock de oferta aumenta el PIB en 4. de oferta monetaria. Comparando con los resultados para Estados Unidos.2 % en el tercer y cuarto trimestres. un 0. desapareciendo a continuación por completo.73 % en el primer trimestre.55 % en el cuarto trimestre como respuesta a un shock de demanda positivo. excepto Federico Sturzenegger quien trabaja con datos de Argentina.respuesta de un shock positivo de demanda sobre el PIB.2% por encima de su nivel inicial. Esto indica la mayor persistencia y el mayor impacto que tienen los shocks de oferta sobre el PIB comparados a los shocks de demanda. 0. Federico Sturzenegger obtiene para Argentina un efecto siempre mayor que el que obtienen estos autores para EEUU. 2. El PIB aumenta. que el PIB es un 1.. Sturzenegger encuentra que los shocks de demanda tienen escaso efecto sobre el PIB y que dicho efecto desaparece aproximadamente en dos años (o quizás uno sólo). estabilizándose en un 1. la respuesta en % del PBI ante un shock de oferta es: Blanchard-Quah 0.19% en el tercero y pasa a –0. Gali (1988) distingue entre shocks de oferta. será especialmente útil la técnica de descomposición de varianza. Tarda en estabilizarse unos cuatro años quedando un 0. Por eso también se diferencia de Evans (1987) el que. como Blanchard y Quah.9 %. se aprecia que el efecto final que tienen los shocks de oferta positivos sobre el PIB.6 Evans Gali 0.5 % durando cerca de dos años. Sturzenegger concluye que los componentes de oferta del PIB conforman una serie no estacionaria. En este aspecto. por ej. tal efecto baja a 2 % en el segundo y tercer trimestre para llegar a 0. Su conclusión central es que la teoría del ciclo real parece estar explicando mejor el ciclo 6 . Replica la descomposición efectuada por Blanchard y Quah (1989) utilizando la inflación como variable de identificación. Durante el segundo año. respecto de su tendencia en el primer y segundo trimestres y 1.91 % sobre el valor inicial del PIB después de cuatro años.76 % en el primer trimestre. Esto indica que los shocks de demanda duran más en EEUU que en Argentina). donde se mencionarán las principales diferencias con el presente estudio.89 % en el cuarto. Revisión de la literatura Se comparan aquí los trabajos sobre descomposición de las series del producto en cuanto a supuestos.9 % mayor después del shock de oferta. que sigue un patrón aleatorio mucho más difícil de asociar con eventos políticos. un 1.7 Sturzenegger 1. no así sobre la inflación. en el trabajo de Sturzenegger.relación con la tasa de desempleo. Volviendo a Sturzenegger y al caso de Argentina. Federico Sturzenegger (1989) presenta un modelo donde las diferencias del PIB y la tasa de inflación son el resultado de dos clases de shocks: uno con efectos de largo plazo y el otro sin efectos de largo plazo. usa la tasa de desempleo como variable de identificación. El aumento en el PIB es de 0. Blanchard y Quah obtienen una curva en forma de joroba cuando estiman la función impulso.47 % en el segundo trimestre. A saber. en relación al nivel inicial. respecto de su tendencia. se sugerirán recomendaciones de política económica a los fines de contrarrestar las fluctuaciones económicas y el impacto sobre el desempleo y sus consecuencias sociales.9 Los resultados dicen. de demanda monetaria y sobre la curva IS. Shocks sobre la demanda (IS) tienen un efecto sobre el PIB de Estados Unidos de 0. los valores son menores e incluso llegan a ser negativos en el último trimestre.3 1 Campbell & Mankiw 1. Finalmente encuentra que los shocks de demanda tienen escaso efecto sobre el PIB. metodología y resultados a los que llegan los autores para datos de Estados Unidos.

1 En EEUU se utiliza el Producto Bruto Nacional (GDP) con mayor frecuencia que el Producto Bruto Interno como medida del nivel de actividad económica. recuperada luego de invertir el VAR estimado. Blanchard y Quah enfatizan el de Evans (1987) y lo toman como base con algunas diferencias. En él se provee una manera alternativa de obtener una identificacón estructural. Análisis previo de las series Debido a que el método VAR que utilizaremos requiere que las variables sean estacionarias2. en que Evans asume que los shocks de demanda y de oferta no tienen efecto de largo plazo sobre el desempleo pero que ambos tienen efecto a largo plazo sobre el producto. cuyo coeficiente genérico se denota por φss. es necesario averiguar si este supuesto se cumple para los datos. es decir el grado de asociación lineal de una variable en el periodo t con respecto a la misma variable pero en s periodos anteriores. La función de autocorrelación parcial (FACP) entre y t y y t-s . tomado de Enders (1995) sobre la interpretación de los correlogramas. Su mira está puesta en la descomposición de Beveridge y Nelson (1981) del PIB1 real en sus componentes transitorio y permanente.económico de Argentina como así también la correlación negativa entre el PIB y los precios que tanto desorientó a los economistas argentinos que querían explicarla con modelos de corte keynesiano. 3. Dada una serie {yt}. La similitud entre los trabajos está en que ambos aseguran la existencia de la forma reducida de la ecuación de Promedios Móviles. la función de autocorrelación (FAC) mide el coeficiente de autocorrelación (ρs) de una variable. o sea. seguimos el trabajo de Blanchard y Quah (1989). En cambio. aquella referida a que los shocks de demanda no tienen efecto de largo plazo ni sobre el desempleo ni sobre el producto. Para detectar si las series del PIB y de la tasa de desempleo son estacionarias usaremos dos métodos. en cambio la restricción de Blanchard-Quah es una restricción de largo plazo. Blanchard y Quah suponen que sólo el shock de oferta tiene efecto a largo plazo sobre el producto. Para usar el método gráfico. 2 Estacionariedad débil o estacionariedad en covarianza se refiere a una variable cuya media y varianza no cambian a lo largo del tiempo además de ser finitas y donde la autocovarianza sólo depende de la distancia de tiempo que separa a los valores de una misma variable pero es independiente del origen de medición. es decir excluyendo los efectos indirectos. según indican las barras que descienden de forma no exponencial en la FAC. Desarrollan un modelo macroeconómico tal que el producto real es afectado por shocks de demanda y de oferta. pero el de demanda no. La diferencia. Recordamos bajo qué condiciones una serie de tiempo sigue un proceso estocástico determinado. También se diferencia en que la restricción de identificación que efectúa Evans plantea que la perturbación de oferta no tiene efecto contemporáneo sobre el producto. Al comparar su trabajo con otros del mismo tópico. El primero es un método gráfico y se basa en la Función de Autocorrelación (FAC) y en la Función de Autocorrelación Parcial (FACP) y el segundo método en pruebas de hipótesis formales de raíz unitaria (Dickey-Fuller). indica la correlación entre y t y y t-s controlando o eliminando el efecto de los valores de y t-1 hasta y t-(s-1). De los gráficos que siguen se infiere que el PIB semestral sigue un proceso AR(1) con la salvedad de que parece ser no estacionaria la serie. Se muestran a continuación los gráficos de la FAC y de la FACP (correlogramas) para el Producto Bruto Interno de Argentina para el periodo 1974-2002. En este estudio. presentamos en el Anexo el Cuadro 1. sin embargo. 7 .

02 T 0. pueden indicar no estacionariedad cuando en realidad la serie sólo tiene una tendencia determinística o un término de desvío. que se dejan para futuras extensiones de este estudio.52 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil0. Walter (1995)). 3 Cabe advertir que la prueba de estacionariedad de Dickey –Fuller. se estimó con la tasa de crecimiento del PBI y con la tasa de crecimiento del desempleo. 8 . a los fines de averiguar si el desempleo es estacionario se analizaron tres series: tasa de desempleo. resultó ser estacionaria.01 -0.37 studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión-0.44 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve 0. Prueba de Dickey-Fuller para el PBI Se muestra a continuación la salida del programa INFOSTAT Coef Est.04 studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud 0. Se encontró que la serie del logaritmo del PIB no es estacionaria.01 LS(95%) 0. en valor absoluto. sin ser no estacionaria) que sugieren complementar el análisis con otras pruebas para asegurar la estacionariedad de una variable. La 1° diferencia del logaritmo del PBI. mayor que el estadístico muestral señalando la no estacionariedad de la serie del PIB semestral3. por su parte.3818 0.99 studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud 1. En síntesis.Figura 5 Figura 6 studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Función PIB semestral 2 sión Estudiantil Ve Versión Estudiantil Versión Est udiantil autocorrelación: Versión Estudiantil r(k) Versi ón Est udiantil Ver studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud ICPIBsemestral2 ICPIBsemestral2 autocorrelación parcial: PIB semestral 2sión Estudiantil Ve Versión Estudiantil Versión Función Estudiantil Versión Estudiant il Versión Est udiantil Ver studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud 0. El valor crítico es.01 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil0. presenta debilidades (por ej.91 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión-0.69 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve 0.27 Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil Versión1Estudiantil Versión5Estudiantil Versión 9Estudiantil Versión13 Estudiantil Versión Estud studiantil Versión1Estudiantil Versión 5Estudiantil Versión 9Estudiantil Versión13 Estudiantil Versión Estud Lags Lags Versión Estudiantil Versión Estudiantil Versión Estudi antil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudi antil Versión Estudiantil Versión Estudiantil Ve studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Para verificar lo que indica el análisis gráfico en cuanto al verdadero proceso estocástico que está detrás de los datos.05 studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Ve studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud studiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estud Versión-0. el modelo VAR estimado (no se muestra por razones de espacio) del cual se obtuvieron las funciones de impulso respuesta y la descomposición de la varianza del error de pronóstico del PBI.88. Las dos primeras son series no estacionarias y la tercera es estacionaria. Se realizaron también pruebas para el logaritmo natural del PIB y la primera diferencia del logaritmo del PIB. El valor crítico de τ es –1. es necesario realizar pruebas más formales (Dickey-Fuller) para saber si la serie del producto es estacionaria. Lag1_PIBsemestral2 4.78 La prueba de Dickey Fuller arroja un valor para el estadístico muestral t = 0.95 para un nivel de significancia del 5% en el modelo sin ordenada al origen ni tendencia determinística. Con respecto al desempleo. (Ver Tabla A del estadístico τ de Dickey-Fuller publicada en Enders.6E-03 EE LI(95%) 0.88 p-valor CpMallows 0. su logaritmo natural y su tasa de crecimiento.

). a través de la compra de títulos públicos en el mercado abierto). A la larga. 4.4. Esto es lo que permite “identificar” cada ecuación. Así. como cada una de las empresas tarda en darse cuenta que todos los precios (y no únicamente el precio de su producto) han subido. en el que presenta que aún en presencia de expectativas racionales la política monetaria activa puede afectar el producto real 9 . que ninguno de los shocks la altere en el largo plazo. B & Q admiten que es un medio útil para discutir las limitaciones de nuestra interpretación de shocks permanentes y transitorios. Es por esto.B. los shocks de demanda (cambios en la cantidad nominal de dinero) no tienen efecto de largo plazo sobre el PBI real.b. despiden la mano de obra excedente y el desempleo vuelve a su tasa natural o nivel de equilibrio de largo plazo. sólo los shocks de oferta (shocks a la productividad) afectan al P. aumenta la contratación de mano de obra y baja el desempleo de su nivel “natural”. esto es. cuando las empresas comprenden que los precios relativos (suponiendo que la inflación deja inalterados los precios relativos) no han variado. 4. que de acuerdo a la hipótesis de la tasa natural de desempleo. A causa de que el stock de dinero es cambiado por la autoridad monetaria más frecuentemente de lo que los contratos laborales (a dos años) son renegociados. De este modo. Esto es. en una de las ecuaciones habrá más variables que en la otra. la política monetaria tiene la capacidad de afectar al producto real a corto pero no a largo plazo. los shocks de oferta (shocks de productividad) tienen efecto permanente sobre el nivel del producto. a trabajar con las primeras diferencias de ambas series. En cambio. que se muestra a continuación 3 como en los contratos de largo plazo en Fischer (1977). A pesar de la simplificación del modelo económico. Vamos. tarifas de servicios públicos fijadas en contratos de concesión. Si el gobierno sorprende a la gente generando una inflación inesperada (por ejemplo la autoridad monetaria realiza una emisión de dinero no esperada por los agentes privados. El supuesto de que los shocks de oferta y demanda no están correlacionados entre sí (ortogonalidad) no restringe los canales a través de los cuales los shocks de oferta y demanda afectan al producto y al desempleo. Además de la percepción errónea de la inflación que sufren las empresas en el corto plazo. Estimación Dado que el objetivo es descomponer la serie del PIB en sus componentes de oferta (con efectos de corto y largo plazo) y demanda (sólo con efectos de corto plazo) se necesita de otra serie que sólo sea afectada por los shocks en el corto plazo.a. permiten que el shock de demanda afecte al PBI en el corto plazo hasta que los precios y salarios se ajusten nuevamente3. las rigideces nominales (por ejemplo la presencia de salarios mínimos. El modelo empírico. recibe estímulos para aumentar la producción de su artículo. En el largo plazo.I. etc. El modelo VAR El procedimiento consiste en estimar el modelo VAR de orden uno. por lo tanto. las series del PIB y de la tasa de desempleo son no estacionarias. VAR Como vimos en la sección anterior. Según hemos mencionado desde el comienzo las series del producto y del desempleo estarían afectadas por dos tipos de shocks: de oferta y de demanda. alguno de los coeficientes (si planteamos que las dos variables dependen de “todos” los regresores) serán iguales a cero. Tal serie es la tasa de desempleo. Pero ninguno de los shocks tiene efecto de largo plazo sobre el desempleo.

y zt la tasa de crecimiento de la tasa de desempleo.la representación Moving Average de (4) y (5) se puede escribir como: 10 . y t   a10   a11  z  = a  + a  t   20   21 a12   y t −1   e1t  + (I ) a 22   z t −1  e 2t  donde yt indica la tasa de crecimiento del PIB en el periodo t. Reemplazando (III) en (II). − b12  ε yt   e1t   1 ( ) [ ] = − 1 / 1 b b 12 21  e     ( III ) − b 1 t 2   ε zt  21   ∞ xt = µ + ∑ φ iε t − i ( IV ) i =0 Reemplazando (III) en (II) y definiendo φi como: [ ]  1 φ i = A1i /(1 − b12 b21 )  − b21 − b12  1  En consecuencia. La ecuación (III) proviene de escribir la relación entre los errores del VAR estándar (et) y los errores del VAR estructural (εt). obtenemos la función impulso respuesta en función de los shocks originales (IV). Luego se invierte mediante inducción hacia atrás y obtenemos la ecuación (II) de Promedios Móviles que constituye la función impulso respuesta.  y t   y  ∞  a11  z  =   + ∑ a  t   z  i = 0  21 a12  a 22  i  e1t − i  e  ( II )  2t −i  Las ecuaciones (III) y (IV) nos muestran la relación entre los residuos que obtenemos del VAR estimado y los residuos del VAR estructural.

a12(k). Por su parte. de un shock sobre ella misma ocurrido en el periodo (t-k). donde a22(k) indica el efecto sobre el valor de la variable 2 en el momento t . e2)= c11(0) c21(0) + c12(0) c22(0) c11(0) [1-Σa22(k)]+ Σa12(k)c21(0) = 0 4. la matriz de var-cov y (1-Σa22(k)) y Σa12(k).Estimar. Desde que los shocks de demanda y oferta son NO observables. tendencia y el componente aleatorio de la teoría clásica de la serie de tiempo) es suponer que uno de los shocks tiene un efecto temporario sobre la serie {y t}. a partir de los residuos del VAR estimado. 3.Reemplazar las estimaciones hechas en el paso 2 en las siguientes restriciones: Var(e1)=c11(0)² + c12(0)² Var(e2)=c21(0)² + c22(0)² Cov(e1.Habiendo hallado c11(0). c21(0) y c22(0) junto con los residuos del VAR encontrar las innovaciones estructurales e1t-i = c11(0) ε1t-i + c12(0) ε2t-i e2t-i = c21(0) ε1t-i + c22(0) ε2t-i 11 . c12(0). el problema es recuperarlos de la estimación VAR.Testear las variables del VAR por raíces unitarias y tendencia. Es esta dicotomía entre los efectos permanentes y transitorios la que permite la completa identificación de las innovaciones estructurales de un VAR estimado. Averiguar la longitud del rezago. y t   y  ∞ φ11 (i ) φ12 (i )   e1t −i   z  =   + ∑ φ (i ) φ (i ) e    2t − i  22  t   z  i = 0  21 i (4) ∞ x t = µ + ∑ φ i ε t −i (5) i =0 Los coeficientes de φi pueden ser usados para generar los efectos de los shocks εyt y εzt sobre las trayectorias temporales de {yt} y de {zt}. indica el efecto sobre el valor de la variable 1 en el periodo t de un shock a la variable 2 en el periodo (t-k). Pasos Descomposición de Blanchard y Quah 1. Hacer diagnostic cheking de los residuos (chequear si son ruido blanco) 2. La clave para la descomposición de la serie {y t} en sus componentes llamados de tendencia y componente irregular (suponiendo que en el componente irregular están involucrados ciclo.

un aumento en la cantidad de dinero emitida por el Banco Central de la República Argentina). etc.5. la que capta la respuesta de la tasa de crecimiento del PIB de Argentina ante un shock de demanda (por ej. φ21 (i). Funciones Impulso Respuesta Están formadas por los cuatro conjuntos de coeficientes φ11 (i) . la que muestra el efecto que tiene un shock de demanda sobre el cambio en la tasa de desempleo.Las series identificadas {ε1t} y {ε2t} pueden ser usadas para obtener funciones impulso respuesta y descomposiciones de varianza.). en vez de emplear la descomposición de Choleski. φ22 (i) En este trabajo tendríamos cuatro funciones de impulso respuesta. para identificar las ecuaciones. No obstante. siguiendo el método de Blanchard y Quah (1989). la que indica la respuesta de la tasa de crecimiento económico ante un shock de oferta (a saber. Enders (1995). 4. se utilizan las cuatro restricciones que mencionamos en la sección de Identificación. en la terminología de W. a saber: 1) Var(e1)=c11(0)² + c12(0)² 2) Var(e2)=c21(0)² + c22(0)² 3) Cov(e1. En este trabajo. un cambio en el precio de los insumos.c. e2)= c11(0) c21(0) + c12(0) c22(0) 4) c11(0) [1-Σa22(k)]+ Σa12(k)c21(0) = 0 4. un avance tecnológico. entender las propiedades de los errores de pronóstico es útil para descubrir las interrelaciones entre las variables en el sistema. Desde que el VAR no restringido está sobreparametrizado no sirve para pronósticos de corto plazo. Consiste en descomponer la varianza del error de pronóstico. Descomposición de varianza La herramienta de la descompoción de varianza junto con la de la función impulso respuesta constituyen el análisis llamado “Innovation Accounting”. φ12 (i).d. ! Descripción de las propiedades de los errores de pronóstico en función de {εt} ! Impulse Response xt = µ + ∞ ∑φ i =0 i ε t −i ! Vector de error de pronóstico 12 .

Los efectos negativos de estos supuestos alternativos son reducidos en horizontes de pronóstico más largos. Esto significa que si. Función Impulso respuesta La función impulso respuesta. Se obtuvo que el desempleo “no causa a la Granger al PIB” y que el PBI “causa a la Granger” (precede) al desempleo a los niveles de significancia convenciales (ej.034% (=1%(1+0. la misma sería igual a 1.n −1 x t + n − E t xt + n = ∑ φ i ε t + n −i i =0 en función de los errores εt xt + n − Et xt + n = et + n + A1et + n −1 + . las descomposiciones de varianza convergen. 5%). luego del shock. De los gráficos de las funciones impulso respuesta se observa el efecto “reflejo” que también encontraron Blanchard y Quah para los datos de posguerra de Estados Unidos. ante un shock demanda igual a un error estándar. Por su parte. . Las cuatro funciones de impulso-respuesta se muestran en la figura 7.. la tasa de desempleo baja indicando la conocida Ley de Okun (a mayor producto menor la tasa de desempleo de la mano de obra)4.. por ejemplo. cuando el producto sube. que se obtuvo a través del software econométrico RATS (Regresion Analysis of Time Series) indica en qué porcentaje cambia el producto. por ejemplo. Resultados 5.4 % en la tasa de crecimiento económico. Por su parte. tardando 6 semestres (tres años) en llegar a su efecto de largo plazo de más de 5 %. Tal test sirve para fundamentar las restricciones que hay que imponer para obtener las funciones de impulso respuesta y la descomposición de varianza.034)). Es decir. 13 . produciendo un gráfico con la tradicional forma de joroba. En cambio. un shock de oferta de un desvío estándar produce inicialmente un aumento de 3. un shock de oferta de un desvío estándar reduce la tasa desempleo en 0. ni el shock de demanda ni el de oferta tienen un efecto de largo plazo sobre la tasa de desempleo. Cuando n crece. Para identificar las series εzt y εyt hay que restringir la matriz B. el shock de demanda sólo tiene un efecto transitorio sobre el PIB.a. 4 Antes de interpretar estas funciones impulso respuestas. la tasa de crecimiento inicial del PIB fuese igual a 1%. La descomposición de varianza tiene el mismo problema inherente en la función impulso respuesta. + A1n −1et + n −1 en función de los errores et {y} es exógena si el shock εzt no explica en absoluto la varianza del error de pronóstico de yt {y} es endógena si el shock εzt explica toda la varianza del error de pronóstico de yt En investigación aplicada es típico que una variable explique casi toda la varianza del error de pronóstico en los horizontes temporales cortos y proporciones menores en horizontes más largos. Como se puede observar. 5.015 %. mencionaremos los resultados del test de Causalidad a la Granger.

0 3.5 4.000 -0.032 0.0 4.20 2.100 -0.00 0.0 5.024 -0. Funciones impulso respuesta Respuesta del PIB ante un shock de oferta Respuesta del PIB ante un shock de demanda 6.80 -0.00 3.60 2.016 -0.80 1.20 2.050 0.60 0.008 -0.5 1974 1980 1986 1992 1998 2004 2010 2016 2022 2028 1974 1979 1984 1989 1994 1999 2004 2009 2014 2019 2024 2029 Respuesta del desempleo ante un shock de demanda Respuesta del desempleo ante un shock de oferta 0.175 1974 1980 1986 1992 1998 2004 2010 2016 2022 2028 1974 1980 1986 1992 1998 2004 2010 2016 2022 2028 Por especificaciones de la rutina utilizada en RATS.024 -0.075 0.025 -0.40 1.008 -0.0 4.000 0.5 3.025 0. en las funciones impulso-respuesta.Figura 7.5 5.150 -0.016 -0. cada año debe interpretarse como un semestre 14 .125 -0.

b.es el que causa exactamente la fluctuación del producto. la parte de la variabilidad del error de pronóstico causada por shocks de demanda es de 36. contrario a lo que esperaríamos por la teoría económica. Blanchard y Quah legan a concluir que a corto y mediano plazo no se sabe cuál de los dos shocks –oferta y demanda. Análisis de la varianza del error de pronóstico Recordemos que el error de pronóstico es el valor observado del PIB menos el valor pronosticado del PIB. Aunque la evolución de este porcentaje cambia cuando los autores permiten cambios estructurales y/o en las tendencias de las series del producto y del desempleo.5. un aumento en el precio de los insumos. reflejando que aunque el shock de demanda afecta el PBI. como por ejemplo un cambio climático.7%. Sin embargo. se encuentra que el porcentaje de los cambios en el producto asociados a perturbaciones de demanda se mantienen casi constantes en 36. el porcentaje de la variabilidad del error de pronóstico es de 99 % para 1 semestre para bajar a 96 % y quedarse en ese porcentaje para horizontes muy largos (120 o 500 semestres). Por supuesto. ellos destacan: a) las perturbaciones de demanda son importantes para explicar las fluctuaciones del producto a corto plazo. un cambio tecnológico. se encuentra que también son importantes a largo plazo. etc y qué parte se debe a shocks de demanda. su efecto es transitorio. Es decir. En el caso del desempleo. No ocurre lo mismo para los datos semestrales de Argentina de 1974-2002. entre los resultados de la función impulso respuesta y los de la descomposición de varianza del error de pronóstico del producto.6% si el horizonte es de 40 trimestres. Aquí. En síntesis.3%). Sobre la descomposición de la varianza.9 % de la varianza del error de pronóstico del desempleo de EEUU para un horizonte de 1 trimestre hasta un 85.7% desde horizontes de 1 a 120 semestres=60 años.3% de la variabilidad del error de pronóstico de la tasa de crecimiento del PIB. cambios en la política monetaria y fiscal de un gobierno. el efecto de un shock de demanda sobre el producto no parece desaparecer muy rápidamente. esto es. La función impulso respuesta de la respuesta del producto a los shocks de oferta tiene forma de joroba. Aquí queremos averiguar qué parte de ese error de pronóstico se debe a una perturbación por el lado de la oferta. Averiguar el por qué de esta aparente paradoja requiere investigación adicional. los shocks de demanda deberían alterar la tasa de crecimiento del producto sólo a corto plazo ( o para horizontes de pronóstico cortos). En la descomposición de la varianza del error de pronóstico que efectuaron Blanchard y Quah para los datos trimestrales de Estados Unidos de 1950:2 a 1987:4 encontraron que el porcentaje del cambio en el PIB explicado por el shock de demanda varía dependiendo del horizonte temporal de pronóstico que se considere (por ejemplo mientras que para horizontes de 1 y 2 trimestres el componente de demanda es 99 %. si quisierámos predecir la tasa de crecimiento del producto del próximo semestre o la del siguiente a este último o de aquí a 120 semestres. 15 . el porcentaje es de sólo 39. ya que el porcentaje de la variabilidad del error de pronóstico explicada por la demanda no va disminuyendo a medida que se alarga el horizonte de pronóstico. Hay que destacar que habría una aparente contradicción. de ahí que las políticas económicas deberían ser manejadas con cuidado ya que la mayor parte de la política comúnmente usada es de demanda (emisión monetaria) y estos resultados nos indican que tales políticas deberían orientarse hacia el lado de la “oferta” de la economía. con la información del semestre actual. Para Argentina. esto es. De acuerdo a la hipótesis teórica. Esto significa que. de la descomposición de varianza se desprende un resultado aparentemente distinto. el shock de oferta explica el 63. medidas tendientes a producir avances tecnológicos que mejoren la productividad. Aquí también aparecen diferencias con Blanchard y Quah donde el shock de demanda explica el 51. una huelga. para un horizonte de 40 trimestres=10 años.

16 .b) los shocks de demanda son importantes en la explicación de los cambios en el desempleo en todos los horizontes temporales. En Argentina se encuentra el mismo resultado aunque el porcentaje es mayor y su variabilidad en función del horizonte de pronóstico mucho menor. según comentamos.

φ11 = ρ1 Signo ρ1 = signo (a1 + β) ARMA(1. MA(1): β > 0 MA(1): β < 0 ARMA(1.. cap.1): a1> 0 Barra positiva en rezago 1. esto es. ρ i ≠ 0 para i ≤ p Los coeficientes pueden todos los φ ss = 0 para s>p oscilar.6. Cuadro 1. q) Decrece oscilando Decrece exponencialmente a comenzando en el rezago 1 partir del rezago uno.q). 85) 17 .1):a1< 0 ARMA(p. φ11=ρ1 Signo ρ1 = signo (a1 + β) y el signo (φss) = signo (φ11) Decrece (directa u oscilato- Decrece (directa u riamente) comenzando en oscilatoriamente) comenzando en el rezago q. + a p yt − p + ε t + β1ε t −1 + . Fuente: (Enders 1995. Funciones de Autocorrelación y Autocorrelación parcial teóricas Proceso FAC FACP Ruido Blanco todos ρs=0 todos φss =0 AR(1): a1> 0 decrece directamente ρs = (a1) AR(1): a1< 0 AR(p) s φ11 = ρ1 φss =0 para s ≥ 2 decrece de modo oscilante φ11 = ρ1 ρs = (a1) φss =0 para s ≥ 2 s decrece hasta cero.Anexo Dada la serie yt = a0 + a1 yt −1 + . + β qε t − q que describe un proceso ARMA(p. en el rezago P.se detallan aquí los distintos valores que pueden asumir p y q y bajo qué requisitos.. q... 2 pág. decrece ρs = 0 para s ≥ 2 φ11 < 0 Decrece exponencialmente Decrece de modo oscilatorio comenzando en el rezago comenzando en el rezago uno uno.. decrece oscilatoriamente: ρs = 0 para s ≥ 2 φ11 > 0 Barra negativa en rezago 1. Autorregresivo y de Promedios Móviles de orden p.

11° edición. de Economía Política. 1995). Reunión Anual de la Asoc. George (1987). New York. # Kydland. Federal Reserve Bank of Dallas. The MIT Press # Blanchard. American Economic Review # Campbell. Gregory (1987 a). # Garegnani. # Blanchard. Reunión Anual de la Asoc. enero-junio. "Macroeconomic homogeneity within Mercosur countries" Estudios Económicos.Rosario. Arg. Data?". III. diciembre-enero. # Sims (1980). Nov. Stanford University # Gali. y A. "Macroeconomics and Reality". (1989). Quarterly Journal of Economics 102. Applied Econometric Time Series. Stanley (1998). 4. Carlos (1997). julio. Referencias bibliográficas # Arnaudo. Arg. 111-117 # Cerro. Economic Review. Gregory (1987 b).S.Mimeo. Jacobo (1997). pp. Olivier y Quah. Ed. John Wiley & Sons. A. Econometrica 48 (enero).Lectures on Macroeconomics. Output and Unemployment in the United States". Osvaldo (1998)"Algunas estimaciones del producto potencial de Argentina". Evanston. Jordi (1988). Arg. Mendoza. # Evans. Olivier y Fischer. American Economic Review. Ana María (1998). Reunión Anual de la Asoc. John y Mankiw. Mendoza. Thomas. Edward (1986).:Estima. Walter (1995)."Is the business cycle of Argentina 'different'?"."The dynamic effects of aggregate demand and supply shocks". MIT. "Are output fluctuations transitory?". Luciano (1999). Danny (1989).. "Theory ahead of business cycle measurement". F.7. # Meloni. John y Mankiw. 4. # Prescott. RATS User's Manual. 857-880 # Campbell. primera edición. de Economía Política. Inc.113-134 18 .1-49 # Sturzenegger."How Well Does the AD/AS Model Fit Postwar U. "Permanent and transitory components in macroeconomics fluctuations". Federal Reserve Bank of Minneapolis Quarterly Review 10. María Lorena y Di Gresia. de Economía Política # Doan. Finn y Zarazaga. "Relación entre ciclo económico regional y nacional: análisis del periodo 1961-1995". May."La conducta cíclica de la actividad económica argentina en el periodo 1820-1970". 1992 # Enders. "Explicando las fluctuaciones del producto en la Argentina" Económica.