Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

MTODOS ESTADSTICOS PARA LA ESTIMACIN DE INGRESOS

La estimacin o proyeccin de ingresos futuros puede llevarse a cabo mediante
diferentes mtodos estadsticos de extrapolacin, entre ellos: sistema
automtico, promedios mviles y de suavizacin exponencial, de aumento,
economtricos (e.g., mtodo de mnimos cuadrados, modelo de regresin lineal,
modelo de correlacin no lineal) y directo.
Mtodos de extrapolacin
Estiman la recaudacin con base en su evolucin en el tiempo. Es decir,
mantienen la premisa de que la recaudacin est determinada por el incremento
o decremento de ella en el tiempo. Los clculos de estimacin se proyectan con
base en informacin histrica de los ingresos obtenidos en distintos periodos
(trimestres, semestres, aos, etc.).
Sistema automtico
Estima los rendimientos ms probables del ejercicio futuro con base en
resultados conocidos del ao anterior. En este mtodo hay que tomar en cuenta
que el presupuesto de ingresos se encuentra en ejecucin, por lo cual, no se
conoce la recaudacin final del ltimo periodo anterior al que se presupuestar;
entonces, se tomar como base los ingresos del penltimo ejercicio fiscal para el
periodo que se pretende presupuestar.
Cabe sealar que este mtodo fue el primero que se utiliz en la estimacin de
ingresos pblicos, aunque en la actualidad no se utiliza, ya que no considera el
cambio en las condiciones econmicas que afectan la captacin de ingresos.

Mtodos de promedios
Aunque existen ms mtodos para pronosticar, por simplicidad presentamos
solamente dos, que consideramos los ms usuales y sencillos de llevar a cabo.

Promedios Mviles
Suavizacin Exponencial

Estos mtodos pueden utilizarse cuando:

a)
b)
c)

Hay informacin disponible de la variable(s) que se est pronosticando.

La informacin puede ser cuantificada.
Si se considera razonable que el patrn de comportamiento del pasado continuar en el
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

futuro. Si se cuenta con una base de datos histrica y se quiere pronosticar una variable
considerando su comportamiento pasado, entonces podemos utilizar el mtodo de
promedios mviles o el mtodo de suavizacin exponencial, que son conocidos tambin
como mtodos de series de tiempo1.
Mtodo de Promedios Mviles
La utilizacin de esta tcnica supone que la serie de tiempo es estable, esto es, que los
datos que la componen se generan sin variaciones importantes entre un dato y otro (error
aleatorio=0)2, esto es, que el comportamiento de los datos aunque muestren un crecimiento o un
decrecimiento lo hagan con una tendencia constante.

Comment [u1]: Serie

cronolgica

Cuando se usa el mtodo de promedios mviles se est suponiendo que todas las
observaciones de la serie de tiempo son igualmente importantes para la estimacin del parmetro
a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronstico para el
siguiente periodo el promedio de los n valores de los datos ms recientes de la serie de tiempo.
Utilizando una expresin matemtica, tenemos:
El trmino mvil indica que conforme se tienen una nueva observacin de la serie de
Promedio Mvil

(n valores de datos ms recientes)

tiempo, se reemplaza la observacin ms antigua de la ecuacin y se calcula un nuevo promedio.

El resultado es que el promedio se mover, esto es, conforme se tengan nuevos datos y se vayan
sustituyendo en la frmula, el valor del promedio ir modificndose.
No existe una regla especfica que nos indique cmo seleccionar la base del promedio
mvil n. Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su
comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea
grande. Por el contrario, es aconsejable un valor de n pequeo si la variable muestra patrones
cambiantes. En la prctica, los valores de n oscilan entre 2 y 10.
El mtodo de promedios mviles es muy til cuando se tiene informacin no
desagregada y cuando no se conoce otro mtodo ms sofisticado y que permita
predecir con mayor confianza.
Este mtodo permite suavizar la serie de tiempo aunque existen otros mtodos que son ms eficientes en la prediccin.

Una serie de tiempo es un conjunto de observaciones respecto a una variable, medidas en

puntos sucesivos en el tiempo o a lo largo de periodos sucesivos de tiempo. Un anlisis de una
secuencia de datos se conoce como anlisis de series de tiempo de una variable.
2
El error aleatorio muestra el grado de confiabilidad con que se van a comportar los datos. La
variacin del error puede ser de 0 a 1, en donde, un error aleatorio=0 muestra una total
confiabilidad del comportamiento de los datos y un error aleatorio=1 muestra que los datos no
son confiables en su comportamiento.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

(1)

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

Suavizacin Exponencial
Otro mtodo para realizar un pronstcico es el mtodo de suavizacin
exponencial. A diferencia de los promedios mviles, este mtodo pronostica
otorgando una ponderacin a los datos dependiendo del peso que tengan dentro
del clculo del pronstico. Esta ponderacin se lleva a cabo a travs de otorgarle
un valor a la constante de suavizacin, , que puede ser mayor que cero y
menor que uno. Para nuestro ejemplo, utilizamos un valor de = 0.8, por ser
ste el que mejor ajusta al pronstico a los datos reales.
El mtodo de suavizacin exponencial supone que el proceso es constante, al igual que el
mtodo de promedios mviles. Esta tcnica est diseada para atenuar una desventaja del
mtodo de promedios mviles, en donde los datos para calcular el promedio tienen la misma
ponderacin. De manera particular, esta tcnica considera que las observaciones recientes tienen
ms valor, por lo que le otorga mayor peso dentro del promedio.
La suavizacin exponencial utiliza un promedio mvil ponderado de los datos histricos de
la serie de tiempo como pronstico; es un caso especial de promedio mvil en donde se
selecciona un solo valor de ponderacin3. El modelo bsico de suavizacin exponencial se
presenta a continuacin:

Ft+1 = Yt + (1 - )Ft

(2)

Donde:
Ft+1 = Pronstico de la serie de tiempo para el periodo de t + 1.
Yt = Valor real del periodo anterior al ao a pronosticar.
Ft = Valor real del periodo anteanterior al ao a pronosticar.
= Constante de suavizacin (0 1).
La utilizacin de esta ecuacin implica algunas especificaciones. El clculo de Ft+1 est
ligado con los 2 periodos anteriores. En otras palabras, el pronstico de suavizacin exponencial
en determinado periodo es (Ft+1) = al valor real de la serie de tiempo en el periodo anterior (Yt) X
la constante de suavizacin (), + 1 - la constante de suavizacin () X el periodo anteanterior
(Ft).
Ft+1 = Yt + (1 - )Ft

(2)

A pesar de que la suavizacin exponencial nos da un pronstico que es un promedio

ponderado de todas las operaciones pasadas, no es necesario guardar todos los datos del pasado
a fin de calcular el pronstico para el periodo siguiente. De hecho, una vez seleccionada la
3

La ponderacin se determina considerando el peso que se le asigna al valor ms reciente de la

serie. Los pesos o ponderaciones para los dems valores se determinan automticamente,
hacindose ms pequeos conforme las observaciones se alejan del presente.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

constante de suavizacin , slo se requiere de dos elementos de informacin para calcular el

pronstico. La ecuacin (2) muestra que con un dado, podemos calcular el pronstico para el
periodo t + 1 simplemente conociendo los valores reales y pronosticados de la serie de tiempo
para el periodo t, es decir, Yt y Ft.
La eleccin de la constante de suavizacin es crucial en la estimacin de pronsticos
futuros. Si la serie de tiempo contiene una variabilidad aleatoria sustancial, se preferir un valor
pequeo como constante de suavizacin. La razn de esta aseveracin es que gran parte del
error del pronstico es provocado por la variabilidad aleatoria, por lo que un valor pequeo de
permite un pronstico mejor. Por el contrario, para una serie de tiempo con una variabilidad
aleatoria relativamente pequea, valores ms elevados de la constante de suavizacin tienen la
ventaja de ajustar con rapidez los pronsticos cuando ocurren errores de pronstico y permitiendo,
por lo tanto, que el pronstico reaccione con mayor rapidez a las condiciones cambiantes. En la
prctica, el valor de est entre .01 y .90.
AO

IN GRESO S

EGRESOS

PR O N S T IC O D E

PR O N S T ICO D E

N IVEL DE

TO TAL ES

TO T A LES

S U A VIZ ACI N

S U AV IZ A CI N

AHO RRO

EX PO N EN CIA L D E

EX PO N E N CIA L D E

LO S IN G RES O

LO S EGRES OS

19 9 0

16 3 3 0 5

1991

2 0 19 8 6

162370
189498

16 3 3 0 5

16 2 3 7 0

935

19 9 2

3 18 7 7 4

318776

19 4 2 5 0

18 4 0 7 2

10 17 7

19 9 3

405554

412658

293869

2 9 18 3 5

2034

19 9 4

440775

4 6 110 5

383217

388493

-5 2 7 6

19 9 5

437164

4 3 9 7 19

429263

446583

-17 3 19

19 9 6

537194

540698

435584

4 4 10 9 2

-5 5 0 8

19 9 7

704574

705373

5 16 8 7 2

520777

-3 9 0 5

19 9 8

10 0 5 7 4 5

945202

667034

668454

-14 2 0

19 9 9

12 3 5 6 6 5

1484561

938003

889852

4 8 15 0

2000

12 9 5 5 3 5

1712623

117 6 13 3

13 6 5 6 19

-18 9 4 8 7

2001

117 6 13 3

16 3 4 3 6 6

1271655

1643222

-3 7 15 6 8

2002

12 7 16 5 5

16 4 3 2 2 2

119 5 2 3 7

16 3 6 13 7

-4 4 0 9 0 0

2003

119 5 2 3 7

1636137

1256371

16 4 18 0 5

-3 8 5 4 3 4

CUADRO

Utilizando la ecuacin 2, sustituimos los valores correpondientes para hacer el

pronstico para el ao 1992. Sutituyendo valores nos quedara:
Fingresos 1992 = 0.8 (201986) + (1 0.8)(163305)
Fegresos 1992 = 0.8 (189498) + (1 0.8)(162370)
El mismo procedimiento se realiza para el resto de los aos y obtenemos los
resultados que aparecen en el cuadro 2. Una vez que se calculan los
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

pronsticos de ingresos y egresos, la diferencia entre stos nos da el ahorro,

que aparece en la ltima columna del mismo cuadro.
Podemos observar que el pronstico se ajusta ms a los datos reales que en el
caso de los promedios mviles. Este mtodo nos permite realizar un pronstico
ms confiable que el caso anterior. Claramente se observa que el pronstico
tiene mejor ajuste y la diferencia entre los valores reales y los pronosticados es
mnima. Por lo tanto, este mtodo es una mejor opcin que los promedios
mviles para predecir el comportamiento futuro de los ingresos y egresos.
Mtodo de aumento
En este mtodo se aplica la tasa de variacin observada en los ltimos periodos
fiscales sobre sus recaudaciones respectivas.
La estimacin se puede realizar de las siguientes maneras:
a)

El promedio de las diferencias resultantes entre las recaudaciones de un

ao y otro, se agrega a la recaudacin del ltimo ao.

b)

Estima la recaudacin para un prximo ejercicio fiscal en funcin de la

tasa de variacin observada en los ltimos aos. Media Geomtrica.

c)

Estimacin a travs de la tasa media de variacin, la cual se aplica

cuando no se tenga la informacin sobre los montos de ingresos de
algn periodo intermedio, dentro del nmero de ejercicios fiscales
considerados.

a) Estimacin con base en el promedio de las diferencias resultantes entre

las recaudaciones de distintos periodos.
Diferencia Anual en la Recaudacin
Aos Recaudacin
1995 $13000,000
1996 $22500,000 1996-1995= $ 22500,000 - $ 13000,000 = $ 9500,000
1997 $29500,000 1997-1996= 29500,000 22500,000 =
7000,000
1998 $50500,000 1998-1997= 50500,000 29500,000 =
21000,000
1999 $53720,000 1999-1998= 53720,000 50500,000 =
3220,000
$ 40720,000

Promediando el total de diferencias entre el nmero de ellas

$ 40720,000 /4 = $ 10180,000

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Gestin

Estratgica de las

Finanzas

Pblicas

Si este incremento lo agregamos a la recaudacin de 1999, podemos

obtener la estimacin de la recaudacin para el ao 2000

$ 53720,000 + 10180,000 = $63900,000 Recaudacin esperada

para el ao 2000.
b) Estimacin en base a la tasa de variacin en el tiempo. Media Geomtrica
AOS
1995
1996
1997
1998
1999

RECAUDACIN
$ 13 000,000
22500,000
29500,000
50500,000
53720,000

TASA DE VARIACION
1996 1995 = 22500,000 - 13000,000
1997 1996 = 29500,000 - 22500,000
1998 1997 = 50500,000 - 29500,000
1999 1998 = 53720,000 - 50500,000

X 100 / 13000,000
X 100 / 22500,000
X 100 / 29500,000
X 100 / 50500,000

=
=
=
=

73.07%
31.11%
71.18%
6.37%

M . G = n ( x1)( x 2 )( x 3)( xi )
M.G = Media Geomtrica
n = Nmero de Periodos
x n = Tasas de Variacin.

M .G.= 4 (7307
. )(3111
. )(7118
. )(6.37)
M .G.= 4 1'030,71010
.
M .G.= 3186%
.
Aplicando esta tasa a la recaudacin de 1994, obtenemos el incremento
esperado en la recaudacin para el ao 2000
$ 53720,000 x .3186 = $17836.00
$ 53720,000 + $17836.00 = $ 70835,192.00
Recaudacin estimada para el ao 2000.
c) Estimacin a travs de la tasa media de variacin
En el caso de que se carezca de informacin sobre la recaudacin especfica de
un periodo intermedio de los considerados se puede obtener una tasa de cambio
promedio, aplicando la siguiente formula.

r=n

Pn
1
Po

r = Tasa de cambio porcentual observada en la recaudacin en un perodo de

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo

tiempo determinado.
n = nmero de aos comprendidos en el periodo observado.
Po = Ingresos esperados al finalizar el periodo.
Pn = Ingresos obtenidos al inicio del periodo total a analizar

r=4

53'720,000
1
13'000,000

r = 4 4.1312 1
r = 1.4257 1
r = .4257 = Tasa de variacin promedio
$ 53720,000 x .4257 = 22872,133
$ 53720,000 + 22872,133 = 76,592,133 Recaudacin estimada para el ao
2000.

Mtodos economtricos
Mediante el uso de este mtodo es factible medir el grado de confiabilidad de la
relacin existente entre variables tributarias, econmicas y administrativas.
As por ejemplo, si se aplicara un aumento en un impuesto, se producira una
transferencia de recursos del sector privado al sector pblico. Con la aplicacin
de mtodos economtricos es factible medir, con base en datos para un perodo
de tiempo, la relacin existente entre la recaudacin y las modificaciones en la
estructura del impuesto. El clculo de la recaudacin estar en funcin del nivel
de las tasas que se apliquen; de la base imponible del tributo; y del efecto
conjunto de ambos, sobre las variables tributarias que se estn afectando.
De igual forma, es factible medir futuros niveles de recaudacin con base en
cambios en variables, tales como cambios en el Producto Interno Bruto,
Consumo Privado, Sueldos y Salarios, etc.
Igualmente, podran realizarse estimaciones vinculando el monto de las
recaudaciones a variables representativas del grado de eficiencia de la
administracin tributaria, como por ejemplo porcentajes de evasin, estructura
administrativa dedicada a la recaudacin, nmero de empleados, etc.

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Comment [u2]: Indica cun

seguros podemos estar de que
el proceso seguido resulte en
valores que representen
verdaderamente la poblacin.
Se usa ms comnmente con
intervalos de confianza. En
sentido probabilstico, si
tuviramos una confiabilidad
del 95%, decimos que si
repitiramos el proceso muchas
veces, en cerca del 95% de las
veces obtendramos resultados
que reflejan verdaderamente la
realidad. Cerca del 95% de los
intervalos as construidos
contendran el valor
desconocido del parmetro.
Comment [u3]: Base
gravable

Diplomado en Finanzas pblicas para la competitividad y el desarrollo

Algunos modelos economtricos que se pueden aplicar son los siguientes:
Modelo de Regresin Lineal
Mtodo de Mnimos Cuadrados
Modelos de Correlacin no Lineal.

Anlisis de Regresin
El anlisis de regresin implica que se determine una relacin entre una variable
dependiente (ingresos) y una variable independiente (por ejemplo impuestos). Este mtodo implica
la verificacin de la relacin de las variables asociadas con la teora econmica. El esquema 1
muestra el proceso que debe seguirse cuando se utiliza una regresin.
Figura 1. Descripcin Esquemtica de los pasos que supone la utilizacin del
Anlisis de Regresin
Teora o modelo econmico

Informacin previa

Modelo economtrico o enunciado de la

teora econmica en forma verificable
empricamente

Datos

Prueba de cualesquiera de las

hiptesis sugeridas por el modelo

Uso del modelo para predicciones y

polticas

Estimacin del modelo

La frmula general de regresin entre la variable dependiente y y la variable

independiente x est dada como
Y = b0 + b1x + b2x+...+ bnx +

donde b0, b1... bn son parmetros desconocidos. El error aleatorio tiene una media cero
y una desviacin estndar constante.
La forma ms simples del modelo de regresin supone que la variable dependiente vara
linealmente con el tiempo, es decir
Y* = a + bx

(3)

La constante a y b se determinan de los datos de la serie de tiempo con base en el criterio

de los mnimos cuadrados ordinarios (MCO), que busca minimizar la suma del cuadrado de las
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo

diferencias entre los valores observados y estimados4. Esto quiere decir que utilizando MCO
obtenemos la funcin lineal ptima que garantiza la mejor estimacin de las variables que
queremos pronosticar. Haciendo las manipulaciones algebraicas, se obtiene la siguiente solucin:
a =

b =

Y b X
n

n XY - X Y
n X - ( X)

(5 )

(4 )

En estas ecuaciones se muestra que primero tenemos que calcular el valor de b para
despus poder calcular el valor de a.

Una vez que se tienen calculados los valores de a y b, tenemos que establecer si los
valores encontrados son vlidos5. Para hacerlo, necesitamos calcular el coeficiente de correlacin,
r, que nos ayudar a establecer la validez de las variables estimadas. El ndice r se calcula de
acuerdo con la siguiente ecuacin:
r=

n x ( x)
n y ( y)

Donde 1 r . Si r = 1, entonces ocurre un ajuste lineal perfecto entre x y y. En

general, entre ms cercano sea el valor de r a 1, mejor ser el ajuste lineal. Si r = 0, entonces y y x
pueden ser independientes. Realmente, r = 0 es slo una condicin necesaria pero no suficiente
para la independencia, ya que es posible que dos variables dependientes arrojen una resultado r =
0.
Cualquiera de las opciones que presentamos anteriormente, nos ayuda a
elaborar un pronstico confiable de las variables que vamos a considerar para
determinar el pronstico de los ingresos futuros de un municipio. La eleccin
depender, como ya lo sealamos, de las condiciones de cada ayuntamiento.
Sea cual sea el mtodo que se elija, se podr establecer un pronstico
adecuado de las variables que se consideren.

La suma del cuadrado de las desviaciones entre los valores observados y los valores
estimados est dado por:
S = (yi a bxi)
Los valores de a y b se determinan al resolver las siguientes condiciones necesarias para la
minimizacin de S, es decir,
S/a = -2 (yi a bxi) = 0
S/b = -2 (yi a bxi)xi = 0
5
Cuando utilizamos el mtodo de mnimos cuadrados ordinarios, decimos que los valores de a y
b son vlidos para cualquier distribucin probabilstica de yi.
D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006

Diplomado en Finanzas pblicas para la competitividad y el desarrollo

Sin embargo, una limitacin para la aplicacin de este mtodo es la falta de
informacin estadstica adecuada, y el costo de obtenerla, por parte de las
Tesoreras Municipales, para la aplicacin de modelos economtricos.

Anlisis del mtodo directo

Existe un modelo intermedio que vincula en cierta medida al modelo del mtodo
de aumento, el cual pretende incorporar en forma directa, el anlisis de la
recaudacin en el tiempo y el comportamiento esperado de las variables que
afectan la base impositiva de los ingresos.
Este mtodo demanda un conocimiento de la estructura de cada ingreso, en lo
que hace a la base imponible y sus tasas.

D.R. Instituto Tecnolgico y de Estudios Superiores de Monterrey, Mxico, 2006