INTRODUCCIN A LA ECONOMA POSITIVA

Richard G. Lipsey

11 edicin Ed. Vicens-Vive

Los instrumentos del anlisis estadstico

Si observamos de nuevo la figura 1.1 , en el captulo 1, veremos que el segundo de los dos
tringulos representa el proceso seguido por el anlisis estadstico, que se utiliza en economa
para alcanzar dos fines relacionados: primero, contrastar las predicciones de nuestras teoras con
la evidencia y, segundo, estimar la magnitud de las relaciones entre las variables. Por ejemplo, el
anlisis estadstico ha sido utilizado repetidamente para probar la prediccin de que si el precio
de un producto disminuye, los sujetos desearn adquirir ms. El anlisis estadstico ha sido
utilizado tambin para medir las relaciones cuantitativas entre los precios de los producto> y las
cantidades compradas. Ello permite, a los economistas alcanzar conclusiones tales como, una
disminucin en el precio de un 1% del trigo, conducir a un incremento en las compras de un
0,25%, mientras que la misma disminucin porcentual del precio de la crema de leche producir
un incremento de un 2% en las compras. En el primer caso vemos que el anlisis estadstico se
utiliza para contrastar una prediccin general de las teoras, mientras que en el segundo se hace
para obtener estimaciones numricas precisas de la magnitud del cambio de una variable en
respuesta a cambios en una variable relacionada.
La comprensin del contenido del anlisis estadstico utilizado para analizar dichos objetivos
puede obtenerse mediante un estudio detallado lo ce la teora estadstica. En este capitulo,
estudiaremos brevemente la utilizacin de anlisis estadstico en economa. Teniendo en cuenta
que el objeto de este libro es la teora econmica, nos centramos en el uso de la estadstica, en la
contrastacin de teoras. Sin embargo, en repetidas ocasiones nos referiremos a las estimaciones
estadsticas cuantitativas de las relaciones entre variables econmicas.
CLASES DE CIENCIAS
Con objeto de determinar si las teoras nos dan o no predicciones correctas dentro de un margen
de error aceptable, deberemos contrastar nuestras teoras frente a la evidencia de lo que pasa
realmente en la vida econmica. El contrastar teoras por medio de observaciones no es una tarea
que pueda llevarse a cabo fcilmente (ni tampoco describirse en breves lneas). Un primer paso
en la senda de la contrastacin de teoras es el saber distinguir los mtodos de experimentacin
(o de laboratorio) de aquellos que no lo son.
CIENCIAS EXPERIMENTALES

En algunas ciencias existe la posibilidad de obtener todas las observaciones necesarias a partir
de experimentos controlados efectuados en un laboratorio. En tales experimentos se mantienen
constantes todos los factores que se cree afectan al resultado del proceso. Entonces, variando
estos factores uno a uno se observa qu influencia tiene cada uno en el resultado del
experimento.
Supongamos, por ejemplo, que tenemos una teora que predice que el nivel a que una

sustancia se quema es funcin de las propiedades qumicas dc la misma y de la cantidad de

oxigeno consumido en el proceso de la combustin. Para contrastar esta teora podemos tomar un
nmero de piezas idnticas de alguna sustancia y quemaras, variando la cantidad de oxgeno en
cada caso. Esto nos permite ver cmo varia la combustin segn sea la cantidad de oxgeno que
se utilice. Por otra parte, podemos tomar un nmero de sustancias de composicin qumica
diferente y quemaras con la misma cantidad de oxgeno en cada caso. Esto nos permitir
observar de qu manera vara la combustin de acuerdo con la composicin qumica. En este experimento, no deben utilizarse nunca datos de la composicin qumica y de la cantidad de
oxgeno cuando varan simultneamente. Las condiciones del laboratorio son de inters para ver
las situaciones que surgen al variar uno de los factores, permaneciendo todos los dems
constantes.
CIENCIAS NO EXPERIMENTALES

En determinadas ciencias no podemos aislar individualmente los factores en experimentos de

laboratorio. Se utilizan, desde luego, observaciones para establecer las relaciones y contrastar las
teoras; pero tales observaciones aparecen en una forma un tanto compleja, porque en general se
modifican varios factores al mismo tiempo.
Consideremos, por ejemplo, la hiptesis de que la salud de un individuo adulto depende de los
alimentos que tomaba en su niez. Est claro que muchos otros factores afectan la salud de los
adultos: herencia, condiciones de alimentacin durante su adolescencia y varios aspectos del
ambiente social en que se han desarrollado. No existe manera alguna de examinar esta hiptesis
mediante un experimento controlado ya que es imposible hallar un grupo de adultos cuya
alimentacin variara en su niez, pero cuyos otros factores influyentes sobre su salud fueran
idnticos. Deberemos concluir diciendo que una hiptesis como sta no puede probarse porque
los otros factores no pueden permanecer constantes? Si lo hiciramos as, negaramos la
posibilidad de avanzar cientficamente en medicina, biologa y otras ciencias relacionadas con
los seres humanos tal como lo han venido haciendo durante los ltimos cien aos. La
contrastacin es mucho ms dura cuando no pueden utilizarse mtodos de laboratorio; a pesar de
todo, es an posible.
En una situacin en la que muchas cosas varan a la vez, deberemos ser cuidadosos en la
utilizacin de los datos. Si estudiamos nicamente dos individuos y vemos que aquel que en su
niez tuvo mejor alimentacin tiene la salud ms delicada de adulto, esto no refutar la hiptesis
de que una buena alimentacin conduce a una mejor salud. Puede ser que algn otro factor haya
ejercido una importante influencia en estos dos individuos. La persona con menos salud quizs
haya vivido en un clima nrdico relativamente saludable. Est claro, pues que una sola excepcin
no puede desautorizar la hiptesis de una relacin entre dos cosas, siempre que admitamos que
otros factores pueden influir en el resultado1 .
1. Obsrvese con en una conversacin normal una persona expone una posible relacin (por ejemplo
entre la educacin y alguna faceta del ser humano) y como alguien refutasu teora citando un solo
caso (por ejemplo, un amigo fue a esta escuela y no se volvi as) Es muy comn en todas las
conversaciones triviales rechazar cualquier hiptesis diciendo: esto es nicamente una generalizacin.
Todas las hiptesis interesantes son generalizaciones, y se observan algunas excepciones aparentes o
reales. Lo que necesitamos saber es la cantidad de evidencia que sostiene a la hiptesis como afirmacin
de una tendencia general sobre la relacin de dos cosas. Cuestiones as nunca pueden concluirse en uno
u otro sentido por la simple enumeracin casual de alguna evidencia disponible en aquel momento.

En economa, resulta muy difcil, sino imposible, llevar a cabo experimentos controlados. En
consecuencia, debe ser una ciencia no experimental. No obstante, la economa genera
continuamente un conjunto de datos. Por ejemplo, los consumidores comparan diariamente
precios y deciden lo que van a comprar, las empresas comparan precios para decidir lo que van a
producir y los gobiernos intervienen mediante impuestos, subsidios y controles directos. Todos
estos datos pueden ser observados y registrados, proporcionando las observaciones empricas
para contrastar las teoras econmicas. Dada la complejidad de los datos obtenidos bajo
condiciones no experimentales, probablemente la observacin casual no ser suficiente para
contrastar las hiptesis econmicas. El anlisis estadstico moderno se desarrollo con el fin de
probar las hiptesis con rigor, en situaciones en que muchas cosas estuvieran cambiando a la
vez. Sus primeros desarrollos abordaron bsicamente experimentos de la biologa y la
agricultura. Sin embargo, ms adelante surgi la ECONOMETRIA , como una rama especial de la
estadstica, para el desarrollo de tcnicas que permitieran la contrastacin rigurosa de hiptesis a
partir de los datos generados en las circunstancias en que se producen normalmente los
acontecimientos econmicos.
Aunque la economa debe ser una ciencia no experimental, la gran cantidad de
datos generados por la propia actividad econmica, bato circunstancias continuamente cambiantes, proporciona la evidencia emprica que permite contrastar
las teoras econmicas.
LA CONTRASTACIN ESTADISTICA DE LAS TEORIAS ECONMICAS: UN
EJEMPLO
Consideremos la hiptesis de que Uno de los factores importantes que influyen en la compra de
los bienes es la renta de los consumidores. Analizaremos una prueba de esta hiptesis, realizada
hace algunos aos en los Estados Unidos, en la que se relaciona las rentas y la demanda de carne.
Para la puesta en prctica de la prueba, el ministerio de agricultura americano recogi datos de
las economas domsticas en lugar de obtenerlos de los consumidores. Una economa domstica
es un grupo de individuos que viven bajo el mismo techo y toman conjuntamente sus decisiones
de consumo.
Imaginemos que nos ponemos en el lugar de los investigadores para llevara cabo esta prueba.
Para comenzar, necesitamos realizar algunas Observaciones sobre las rentas familiares y la
compra de carne de buey2. Nos damos cuenta de que no podemos enumerar a todas las familias
individuales de la poblacin americana, de modo que debemos realizar un nmero inferior de
observaciones (llamado muestra) y esperar que represente tpicamente a todas las familias
americanas.
2. Los datos de este ejemplo estn sacados del libro de Daniel B Suits. Statistics: An Introduction to
Quantitative Economic Research. Chicago, Rand McNally, 1963, pgina 169.

LA MUESTRA

Comencemos por observar tres economas domsticas. El cuadro 3.1 registra sus datos, los
cuales pueden llevarnos a preguntar si nuestra hiptesis es falsa, pero, antes de que lleguemos a
semejante conclusin podramos haber elegido tres economas domsticas que no fueran
representantes tpicas de las economas domsticas de la nacin. Posiblemente, decimos, el gasto
de alimentos se ve influido por otros factores distintos a la renta y posiblemente estos factores no
son dominantes en estos tres casos.
Para excluir esta posibilidad, tomemos un gran nmero de economas domsticas con el fin de
reducir las posibilidades de que dominen los casos atpicos. Suponga que lo hacemos
seleccionando 100 economas domsticas de entre nuestros amigos y conocidos. Un estadstico
nos advertira, sin embargo, que nuestro nuevo grupo es una muestra sesgada, ya que slo
incluye economas domsticas de un rea geogrfica limitada, probablemente de un mismo rango
ocupacional y, posiblemente, de rentas muy similares. Es poco probable que esta muestra sea
representativa de todas las economas domsticas en que estamos interesados.
El estadstico sugiere que tomemos una muestra al azar. Una muestra al azar se elige segn
un conjunto rgidamente definido de condiciones que garantiza, entre otras cosas, el que todas las
economas domsticas en las que estamos interesados tengan las mismas oportunidades de ser
elegidas. El hecho de elegir nuestra muestra de una forma aleatoria tiene una consecuencia
importante Nos permite calcular la probabilidad de que no sea representativa en un determinado
aspecto mediante una cantidad establecida. La razn es que nuestra muestra se escogi al azar y
los sucesos aleatorios son predecibles.
Puede parecer sorprendente que los sucesos aleatorios sean predecibles. Si yo escojo una carta
de una baraja ordinaria, qu probabi1idades hay de que sea corazones? y un as de corazones?
Supngase que se est jugando a un juego en que se ha de escoger una carta de la baraja; si salen
corazones se gana, si no, se pierde. Un amigo ofrece 5 libras al que gane contra 1 libra si pierde.
Quin saldr ganando si se juega un gran nmero de veces? Si juega otra vez, pero con las
siguientes condiciones, 3 libras contra 1 libra, quin saldr ganando esta vez? Si se conocen las
respuestas a estas preguntas, se sabe que los sucesos aleatorios son, en cierto sentido, predecibles.
Cmo se aplica en nuestro caso la posibilidad de medir los sucesos aleatorios? Si
seleccionamos las economas domsticas por puro azar, podemos conocer la posibilidad de elegir
una muestra poco representativa. Por ejemplo, si la renta media de todas las economas
domsticas americanas es 15 000 $ el resultado ms probable sobre la renta media de una
muestra aleatoria ser de 15 000 $, aunque no deber sorprendernos si fuera 14 950 $ o incluso
16 000$. Cuanto ms se aleje la renta media de nuestra muestra del verdadero valor que
corresponde a todas las economas domsticas, menos representativa es dicha muestra.

La posibilidad de predecir los sucesos aleatorios nos permite calcular la

probabilidad de que el valor medio de una variable en una muestra aleatoria,
difiera en una cantidad determinada del verdadero valor medio de la misma
variable para toda la poblacin. En general, cuanto mayor es la desviacin menos
probable ser que ocurra en una muestra autnticamente aleatoria.
EL ANLISIS DE LOS DATOS

Una vez elegida nuestra muestra aleatoria, que en nuestro caso abarca a 4827 economas
domsticas, recogemos informacin de cada economa. domstica sobre su renta y su consumo
de carne. El prximo paso es representar grficamente los datos de forma que podamos tener una
visin panormica A dicha representacin la llamamos el DIAGRAMA DE DISPERSIN 3. Medimos
la renta de las economas domsticas en el eje horizontal y el consumo de carne en el eje vertical
A cada economa domstica le corresponde un punto en el grfico que indica su renta anual y la
cantidad de carne comprada a la semana. Sin embargo, un diagrama de dispersin con 4827 pontos sera ininteligible, cuando se reduce al tamao del papel impreso. Por lo tanto, hemos
dibujado los puntos de la figura 3.1 tomando una muestra aleatoria de 5% de las 4827
economas domsticas. Se afirma que cada uno de los 241 puntos, representa a 20 de las
economas domsticas en nuestra muestra original.
3. Las dos tcnicas ms importantes para representar los datos econmicos, el diagrama de dispersin y
las series temporales, se discutirn en el apndice de este captulo

El diagrama de dispersin muestra una fuerte tendencia manifestada en que cuanto mayor es
la renta de las economas domsticas, mayores son sus compras de carne. Utilizando el lenguaje
introducido en el captulo 2, las compras de carne son una funcin creciente de a renta de las
economas domsticas. No obstante, la relacin no es determinista, ya que existen variaciones
considerables en las compras de carne que no pueden asociarse a cambios en la renta. Estas
variaciones no explicadas en las compras de carne se producen por dos razones: primero,
porque estn influidas por otros factores adems de la renta, y, segundo, porque en nuestras
mediciones existen necesariamente algunos errores (Ej. una economa domstica puede haber
registrado incorrectamente sus compras de carne).
Con el fin de hacer ms manejables los datos, vamos a proceder a agruparlos, obteniendo el
cuadro 3.2, en el que las economas domsticas se dividen en diez grupos de acuerdo a la renta y
se calcula el consumo medio de carne correspondiente a cada grupo de renta. Esto reduce las
4827 observaciones solamente a diez. Se produce una importante prdida de detalle, pero el
cuadro nos muestra ms claramente la tendencia general sobre la compra de carne cuando
aumenta la renta.
El prximo paso sera aplicar el anlisis estadstico a todos los datos de nuestra muestra. Los
detalles de cmo deberamos hacer esto se explican en los cursos de estadstica y econometra,
aunque aqu podemos hacer hincapi en tres cosas importantes que pueden hacerse mediante
dicho anlisis de los datos.
Primero, podemos ajustar a los datos una lnea que representar la mejor estimacin de la
relacin real entre la renta de las economas domsticas y las compras de carne de las 4827
economas domsticas de nuestra muestra4 Esa lnea describe la tendencia que se sigue cuando a

rentas superiores se produce un consumo mayor de carne. (La ecuacin de la recta ajustada
siguiendo este procedimiento es B = 2,35 +0,47Y, donde B es la compra de carne en libras e Y
la renta en miles de dlares por ao. La recta muestra que para cada incremento de 1000 $ en la
renta de las economas domsticas, el consumo de carne tiende aumentar en casi media libra por
semana).

4. Antes de ajustar la lnea, debemos decidir si la relacin se describe mejor por una lnea recta o
curva. Afortunadamente, existen pruebas que nos permiten descubrir si estamos en un error al pensar
que relacin es lineal cuando realmente es curvilnea. En el ejemplo aqu considerado, la relacin
correcta es un poco curvilnea. pero, por aproximacin, podemos trazar una lnea recta

En segundo lugar, podemos obtener una medida del porcentaje de variacin en el gasto de carne
de las economas domsticas que puede ser explicado por las variaciones de la renta de los
consumidores. Esta medida, que se expresa por r2 , recibe el nombre de coeficiente de
determinacin, y puede tomar cualquier valor entre cero y uno. Si la relacin fuera determinista,
r2 seria la unidad, lo que significa en nuestro caso que cualquier variacin en el consumo de
carne se debe a variaciones en la renta. Si no existiera relacin, r2 sera cero. Cualquier tipo de
relacin. en mayor o menor grado, r2 seria mayor que cero y menor que uno. Cuanto mayor sea r2

mayor ser la proporcin de las variaciones en las compras de carne debidas a cambios en la renta. En trminos generales, r2 es una medida del grado de dispersin de las observaciones
individuales alrededor de la lnea que descubre la relacin media entre compras de carne y renta:
si todos los puntos se sitan en la lnea, r2 ser la unidad, mientras que cuanto ms difusa sea la
nube de puntos en relacin a la lnea, ms dbil es la relacin y ms se aproxima a cero el valor
de r2 .
En tercer lugar, podemos aplicar un test de significacin, lo que nos: permite descubrir las
posibilidades de que la relacin que hemos descubierto se deba slo a que nuestra muestra no es
representativa de las economas domsticas de los Estados Unidos. En el caso presente, existe
una posibilidad de menos de 1/1 000 000 de hacer las observaciones que hemos efectuado si en
realidad no existiera relacin entre las compras de carne y la renta de las economas domsticas.
As, podemos tener gran confianza en la hiptesis de que estas dos variables, compras de carne y
renta de las economas domsticas, estn, en realidad, positivamente relacionadas en los Estados
Unidos.

LA INFLUENCIA DE OTRAS VARIABLES

Est claro en el diagrama que no podemos achacar todas las variaciones en las compras de las
economas domsticas a las variaciones en la renta. Si pudiramos hacerlo, todos los puntos
estaran en lnea. Trataremos de descubrir los dems factores que ejercen tambin una influencia
sistemtica en el consumo de carne. Qu puede hacer que una economa domstica con una
renta de 6000 $ compre un 20 por ciento ms de carne que otra con la misma renta? Un posible
factor sera el que la carne de buey tuviera diferentes precios de una regin a otra. Seguramente
existirn otros factores, tales como el tamao de la familia y la religin, pero utilicemos el precio
para ilustrar cmo manejar ms de un factor simultneamente. Supongamos que se cuenta con
una relacin de los datos relativos a los precios de las diferentes piezas de buey en cada ciudad
de las que una economa domstica de la muestra compra su carne. Estos datos se utilizan para
calcular el precio medio de la carne de buey con el que se enfrenta cada economa domstica.
Tenemos ahora tres observaciones para una de nuestras 4827 economas domsticas: su renta
anual, sus compras semanales de carne y el precio medio de la carne que compra. Cmo
debemos manejar estos datos? Desgraciadamente, nuestro diagrama anterior ya no nos sirve,
pues no podemos representar la relacin entre tres cosas en un grfico bidimensional. Sin
embargo, s que podemos agrupar los datos de forma cruzada. Para hacerlo, clasificamos primero
las economas domsticas en cinco grupos de renta por intervalos de 2000 $5 Luego
subdividimos a las economas domsticas pertenecientes a cada grupo de renta de acuerdo al
precio pagado por su carne. Esto nos permite obtener veinte grupos de economas domsticas.
Calculamos para cada uno las compras medias de carne y las situamos en sus lugares correspondientes en el cuadro 3.3. Por ejemplo, las economas tienen una renta entre 6000$ y 7999
$ y que se enfrentan a un precio de la carne entre 0,80 $ y 0,99 $ la libra adquieren un promedio
de 5,53 libras a la semana, mientras que aquellas economas domsticas en el mismo grupo de
renta que se enfrentan a un precio entre 1,40 $ y 1,59 $ compran solamente un promedio de 5,07
libras por semana.
5. Para impedir que el cuadro sea demasiado extenso, hemos agrupado las economas domsticas en
grupos de 2000 $ en vez de en grupos de 1000 $, como en el cuadro 3.2. pero se debe slo a una
cuestin de conveniencia pudindose hacer tan detallado como se quiera, segn sea el fin perseguido.

Cada fila del cuadro muestra el efecto del precio sobre las compras de carne para un
determinado nivel de renta. Leyendo la segunda hilera, por ejemplo, vemos que las economas
domsticas con una renta entre 2000 $ y 3999 $, compran 4.14 libras de carne por media cuando
el precio est entre 1 y 1,19 $, y as sucesivamente. Cada columna del cuadro muestra el efecto
de la renta sobre las compras de carne a un determinado precio. Por ejemplo, la ltima columna
muestra cmo varan las compras de carne con la renta para aquellas economas domsticas que
estn sujetas a precios medios muy altos. Cuando estaban vigentes estos precios, las compras
variaban entre 2,43 libras para el grupo de renta menor y 5,53 para el de renta mayor.
Debiera advertirse claramente que esta clasificacin se acoge a la idea de que todas las dems
cosas permanezcan constantes, recurso que slo es posible en las ciencias de laboratorio6 .A1 leer
cualquier fila, mantenemos el precio constante en un sector que puede reducirse afinando ms la
clasificacin y variamos el precio. Al leer cualquier columna mantenemos el precio constante a
un nivel especfico y variamos la renta.
6.

Vase en la pgina 44 Funciones de ms de una variable y Derivadas parciales.

Si queremos profundizar algo ms tambin necesitamos, en este caso, apear con rigor los
instrumentos del anlisis estadstico. Cuando, como ocurre ahora tenemos ms de una variable
explicativa, utilizamos una tcnica llamada anlisis de regresin mltiple. Al igual que ocurra
cuando slo tenamos una variable explicativa, este instrumento nos permite hacer tres cosas de
importancia. Primera, estimar la relacin numrica entre las compras de carne semanales, por un
lado, y el precio y la renta, por otro. Segunda, podemos medir la proporcin de las variaciones en
las compras de carne que puede explicarse por los cambios del precio y por los de la renta.
Finalmente, podemos estimar la probabilidad de que las relaciones halladas se deban a la
casualidad, al haber elegido por mala suerte una muestra de economas domsticas poco
representativa.
MEDICIONES Y CONTRASTACIONES
Las tcnicas estadsticas nos pueden ayudar a medir la naturaleza y la intensidad de las
relaciones econmicas, as como la probabilidad de que un cierto resultado haya surgido
nicamente por casualidad. Pero lo que realmente no pueden hacer es probar con certeza que
una hiptesis sea verdadera o falsa. Cuestin sta que ya considerbamos en el capitulo 1 y que
de forma resumida reconsideraremos a otro nivel.

PODEMOS PROBAR LA VERACIDAD DE UNA HIPTESIS?

La mayora de las hiptesis de la economa son del tipo de las llamadas hiptesis universales.
Establecen que, dadas unas determinadas condiciones, la causa X siempre producir el efecto Y.
Ya hemos observado que no puede probarse la veracidad de las hiptesis universales debido a
que solamente podemos hacer un nmero finito de observaciones y, naturalmente, siempre cabr
la posibilidad de que en el futuro se obtengan observaciones que estn en conflicto con la teora.

PODEMOS PROBAR LA FALSEDAD DE UNA HIPTESIS?

Por la misma razn, no podemos hacer una refutacin categrica de una hiptesis
estadstica. Consideremos la hiptesis: La mayora de los cuervos son negros Observamos 50
cuervos; 49 son grises y uno negro. Hemos refutado la hiptesis? La respuesta es negativa, ya
que es posible que ello se debiera simplemente a la mala suerte pues observando todos los
cuervos del mundo podramos probar que la mayor parte de los mismos son negros. Entonces,
debemos preguntarnos si es posible refutar categricamente una hiptesis. Para hacerlo
necesitamos dos condiciones Primero, la hiptesis no deber admitir ninguna excepcin; por
ejemplo, todos los cuervos son negros, que, en la terminologa del captulo 1, se configura como
una hiptesis determinista, no estadstica (Recordemos que una hiptesis determinista no admite
excepciones, mientras que una estadstica se ocupa en general de tendencias) En segundo lugar,
debemos estar seguros de que cualquier observacin aparentemente en conflicto con las hiptesis
no puede adolecer de ningn error de procedimiento. La observacin 49, cuervos negros y un
cuervo gris refuta 1 hiptesis de que todos los cuervos son negros, suponiendo, desde luego, que
tengamos la seguridad de que verdaderamente vimos un cuervo gris. Pero, podemos estar
seguros de que aquel pjaro extrao era realmente un cuervo? Podemos asegurar que aquel
cuervo gris no era un cuervo negro polvoriento? Los errores de observacin siempre deben
tenerse en cuenta. Por esta razn, ninguna hiptesis puede refutarse basndose en una sola
observacin, y no podr serlo nunca categricamente, sea cual sea el numero de observaciones
en que nos basemos. Si observamos 49 cuervos grises y uno solo negro, nuestra con fianza en la
hiptesis de que todos los cuervos son negros se ver resentida y quiz la abandonaremos (ms
adelante volveremos sobre ello) Mas nunca podremos tener la certeza de que a lo mejor estos 49
cuervos fueron debidos a errores de observacin y, por tanto, si hubisemos persistido en el
estudio, quizs habramos llegado a observar 999 950 cuervos negros y 50 cuervos grises (En tal
caso, la hiptesis podra sostenerse con bastante seguridad, ya que un error de medicin de un
0,005 por ciento es ms bien despreciable)
REGLAS DE DECISIN
Hemos visto que, en general, no podemos probar ni refutar concluyentemente ninguna hiptesis,
sea cual sea el nmero de observaciones en que nos basemos 7 . Sin embargo, habremos de tomar
decisiones y actuar como si efectivamente fueran refutadas (es decir, las tuviramos que
rechazar) o como si fueran probadas (esto es, las tuviramos que aceptar). Advertamos
anteriormente que la decisin de aceptar o rechazar una hiptesis est sujeta a un error.
Utilizando el anlisis estadstico podemos controlar la posibilidad de cometer errores aun cuando
no los podamos eliminar.
7. Esto es debido al hecho de que yo tomo todas las hiptesis empricas como estadsticas, pensando
en la existencia universal del error en la observacin. Se toman, claro est, decisiones arbitrarias para
rechazar hiptesis estadsticas, pero tambin lo hacemos al aceptarlas. Estas reglas para fundamentar
decisiones prcticas no tienen nada que ver con cuestiones metodolgicas acerca de si una hiptesis
puede ser refutada o probada concluyentemente. Mi respuesta a ambas preguntas es que no. Aquellos
que no estn convencidos con mis argumentos pueden seguir leyendo el texto mientras quieran aceptar
que la mayora de las hiptesis en economa son de naturaleza estadstica.

Consideremos un ejemplo. Al estudiar el gasto en carne de nuestra hiptesis, podra haber

sucedido que el consumo de las economas domsticas en USA decreciera al aumentar su renta.
Debiramos preguntarnos entonces cules son las posibilidades de efectuar las observaciones
mostradas en el cuadro 3.1, aunque la hiptesis fuera correcta. Existe siempre la posibilidad de
que nuestra muestra sea atpica respecto al conjunto de las economas domsticas de USA o que
la relacin no aparezca como es debido a errores de medicin. Si calculamos que la posibilidad
de realizar las observaciones de la figura 3.1 es menor que 1/ 100 a pesar de la hiptesis de que
las compras de carne decrecen cuando la renta crece con respecto al conjunto de economas
domsticas americanas, deberamos abandonar la hiptesis y considerarla refutada para
propsitos prcticos.
Pero es importante advertir que, por una parte, nunca podremos tener la plena seguridad de
estar en lo cierto y rechazar una hiptesis estadstica y, por otra, que no existe magia alguna en la
fijacin arbitraria de los lmites. stos (que en este caso presentan menos de una posibilidad ente
100 de ser falsos) permiten basar o algo las decisiones que deben tomarse y, desde luego, las
decisiones siempre pueden cambiarse de surgir alguna nueva evidencia.

LA ELECCIN ENTRE DISTINTAS HIPTESIS

La metodologa estadstica ms antigua tenda a destacar la necesidad de contrastar de una en

una las teoras. La metodologa ms moderna ha puesto nfasis en el uso del anlisis estadstico
para elegir entre dos o ms teoras en competencia, ya que de cada vez resulta ms evidente que
las teoras en economa nunca pueden confirmarse ni refutarse definitivamente. Aunque nunca
podemos tener la seguridad de que una es correcta y la otra falsa, tenemos la esperanza de poder
demostrar que los datos favorecen a una en contra de la otra, en el sentido de que existe una
mayor probabilidad de que lo que se observ de hecho es lo que deberamos haber observado, si
las fuerzas causales fueran las descritas por la teora A y no las descritas por la teora B. Para
llevar a cabo estas pruebas debemos descubrir, primero, cuando las teoras A y B hacen
predicciones que entran en conflicto. Por ejemplo, la teora A podra predecir una significativa
relacin entre las variables X e Y, porque, segn dicha teora, X influye en Y; la teora B podra
predecir la inexistencia de una relacin significativa entre X e Y, ya que si nos atenemos a ella X
no ejerce ningn efecto sobre Y. Puede estudiarse la relacin emprica entre X e Y y las
conclusiones alcanzadas sobre la probabilidad de que lo observado podra haber ocurrido si la
teora A fuera correcta o si lo fuera la B.
MEDICIN CUANTITATIVA DE LAS RELACIONES ECONMICAS
Hasta aqu hemos considerado la posibilidad de que ciertas observaciones mantengan
determinadas hiptesis generales. Los datos reales sostienen, por ejemplo, que el gasto en carne
de las unidades de consumo aumenta a medida que se eleva su renta. Esto, sin duda, no es
suficiente, siendo realmente importante cuantificar tal proposicin cualitativa. En este caso,
quisiramos poder decir que el gasto en carne de buey de las unidades de consumo
norteamericanas aumenta en una determinada cantidad, por cada dlar de incremento de su renta.
Las teoras econmicas son escasamente tiles en tanto no hayamos podido cuantificar las

relaciones que establecen. Para estimar tales magnitudes, el sentido comn o la intuicin no nos
ayudan demasiado. El sentido comn nos sugerir quiz que el gasto en alimentacin aumentar,
en vez de disminuir, a medida que crezca la renta; pero nicamente una observacin cuidadosa
nos permitir conocer la cuanta del aumento.
Una de las mejores utilizaciones del anlisis estadstico estriba en su ayuda para cuantificar
relaciones que se Originan en las teoras. En la prctica, podemos utilizar las observaciones de
hecho, tanto para probar una hiptesis acerca de que dos cosas estn relacionadas, como para
estimar los valores numricos de la funcin que describe tal relacin.
Muy a menudo, el resultado de la prueba estadstica de una teora consiste en sugerir una
nueva hiptesis que est de acuerdo con los hechos en mayor medida que la anterior.
Deberamos fijarnos otra vez en la figura 1.1, para determinar esta vez dnde incluiramos dicha
hiptesis nueva 8 .
8. Las hiptesis con base en datos se denominan a veces hiptesis inductivas en contraposicin a las
deductivas. Pero en cualquier ciencia. la secuencia de teoras y contrastacin es continua. La cuestin
acerca de qu es lo que fue primero, s la teora o la observacin, es similar a aquel debate sobre qu fue
primero, el huevo o la gallina.

Aunque nunca se puede afirmar de forma absoluta la existencia de un momento

final en la contrastacin de hiptesis econmicas, el anlisis estadstico puede
utilizarse, primero, para determinar con qu probabilidad las fuerzas causales
presentes en una determinada teora se cumplen a partir de los hechos realmente
observados; seguido, para elegir entre dos teoras en competencia, a partir de los
resultados obtenidos mediante las probabilidades; y, tercero, para medir las
relaciones cuantitativas entre las variables, ya que la teora afirma que esta
relacin existe.

UNA LLAMADA A LA PRUDENCIA

En los tres primeros captulos me he ocupado en demostrar que la economa puede ser
cientfica. Sin embargo, son necesarias algunas observaciones.
Existen tres diferencias fundamentales entre las distintas ciencias. Por ello, los mtodos que
funcionan bien en una ciencia, pueden resultar intiles en otra.
Concretamente, lo que funciona en fsica, la reina de todas las ciencias puede no resultar en
una ciencia social como la economa. Sin embargo, lo que unifica todas las ciencias es el que
sean capaces de explicar y predecir los fenmenos observados, y el que sus fracasos o xitos
respondan a la posibilidad de hacerlo.
Debido a que ste no es un libro de texto sobre estadstica econmica, no se han subrayado los
problemas implicados en la recogida de observaciones fidedignas, o hechos, necesaria para la
contrastacin9 . Tales problemas pueden ser considerables, y existe siempre el peligro de refutar
una teora en base a observaciones errneas. Las observaciones poco fidedignas son frecuentes.
Es importante observar que en el caso de que creamos que todas nuestras observaciones son poco
dignas de crdito, ya no existe nada que explicar y, por tanto, ya no es necesaria una teora eco-

nmica. Si, en cambio, pensamos que existen suficientes observaciones fidedignas que requieren
una explicacin, tambin debemos creer que tenemos observaciones fidedignas suficientes que
sirvan de comprobacin a nuestras teoras.
En tercer lugar, me he ocupado en este captulo de contradecir la opinin corriente de que los
economistas no pueden ser cientficos en su utilizacin de los datos debido a la imposibilidad de
realizar experimentos controlados. En este captulo se presentan las posibles tcnicas
estadsticas, que son bastante complicadas, siendo las trampas posibles demasiado numerosas
para ser mencionadas aqu. Existe, sin embargo, una materia nueva, la econometra, que est
tratando de corregir las tcnicas existentes y desarrollar otras nuevas capaces de solucionar los
problemas especficos de la economa y otras ciencias sociales. Iniciarse en la economa o
cualquier otra investigacin social sin un conocimiento completo de la estadstica resultara muy
arriesgado.
9. Si bien no he profundizado en este problema. la cuestin de la fidelidad de las observaciones
aparece explcita o implcitamente en el anlisis de las paginas 12, 13.15, 54 y 55.

APNDICE AL CAPTULO 3

LA REPRESENTACION GRFICA Y LOS NMEROS NDICES

El dicho popular los hechos hablan por s mismos resulta ser falso casi siempre cuando
los hechos son muchos. Se necesitan teoras que expliquen cmo se relacionan los hechos,
y se precisan mediciones que ayuden a analizar la relacin entre stos y las teoras. La
forma ms simple de obtener una estructura resumida de un gran nmero de observaciones
es el uso de tablas y grficos. La representacin grfica juega un importante papel en la
economa, ya que permite representar los datos observados y las teoras econmicas, siendo
el objeto de la primera parte de este apndice. Los nmeros ndices, utilizados normalmente
para agrupar un conjunto de datos elevado y que se agrupan en series estadsticas reducidas,
son la materia a estudiar en la segunda parte.
LA REPRESENTACIN GRFICA
El diagrama de dispersin

El DIAGRAMA DE DISPERSIN proporciona un mtodo de representacin grfica de

cualquier nmero de observaciones hechas en dos variables, las variables se miden sobre
cada eje, y cada punto en la grafica representa simultneamente un valor concreto de cada
una de ellas. El diagrama de dispersin es til, porque se ver a simple vista si existe
relacin entre las dos variables. De ah que en la figura 3.1 se vea claramente que cuando la
renta aumenta, las compras de carne tambin lo hacen. Tambin se aprecia que esta relacin
es lineal solamente en trminos aproximados, ya que para incrementos de renta por encima
de los 5000 $ anuales parece que las compras de carne aumentan cada vez menos cuando
aumenta la renta. Esta nube de puntos tambin nos permite captar si la relacin es muy
estrecha: si la renta fuera la nica determinante de las compras de carne, todos los puntos se
situaran sobre una sola lnea. Sin embargo, puede suceder que los puntos presenten una
cierta dispersin, en la que cada renta est a menudo representada por varias economas
domsticas correspondindole a cada una cantidades diferentes de carne comprada. Los

datos utilizados en este ejemplo son DATOS DE CORTE TRANSVERSAL (Cross-sectional

data). Se comparan las rentas y las compras de carne de diferentes economas domsticas
para un determinado perodo de tiempo. Tambin puede representarse un diagrama de
dispersin para un nmero de observaciones de dos variables en sucesivos perodos de
tiempo. Por lo tanto, si se quiere conocer la existencia de una relacin entre la renta
personal y el consumo en el Reino Unido entre 1970 y 1981, deberemos obtener los datos
que se recogen en el cuadro 3.4. Esta informacin puede representarse en un diagrama de
dispersin en el que la renta se situara en el eje de abcisas y el consumo en el de ordenadas, con el fin de descubrir cualquier relacin entre las dos variables. As se ha hecho en la
figura 3.2. observndose una relacin lineal. En este ejercicio se ha utilizado un diagrama
de dispersin de observaciones tomadas en perodos de tiempo sucesivos. Estos datos reciben el nombre de DATOS DE SERIES TEMPORALES, que no suponen la adopcin de una
nueva tcnica a la hora de representarlos grficamente, ya que cuando se representan los
datos de corte transversal, cada punto nos proporciona el valor de dos variables
pertenecientes a un sujeto en particular (por ejemplo, una economa domstica, y para los
datos de series temporales, cada punto representa los valores de dos variables Para un ao
determinado.

Representacin grafica de las sedes temporales

En vez de estudiar la relacin entre la renta y el consumo en el epgrafe anterior, puede
llevarse a cabo un estudio del comportamiento de los cambios temporales en una de estas
variables. En la figura 3.3 se representa esta informacin en lo que al consumo se refiere,
siendo el tiempo una variable y los gastos en consumo la otra. No obstante, el tiempo es
una variable muy especial, ya que es importante el orden en el que se producen los
distintos sucesos. Al ao 1974 le sigui el ao 1975, por lo que no fueron dos aos
independientes y no relacionados. (Por el contrario, dos economas domsticas,

seleccionadas aleatoriamente son independientes y no estn relacionadas) Por ello, es

costumbre representar en la lnea segmentos que unan los sucesivos puntos. A la representacin grfica de la figura se la conoce bajo el nombre de DIAGRAMA DE SERIES
TEMPORALES o, simplemente, series temporales y representa los valores de unas variables a
lo largo de sucesivos perodos de tiempo Su utilidad se basa en que permite observar si la
variable objeto del anlisis se ha modificado de forma sistemtica o si su comportamiento
ha sido ms o menos equivocado.

Relaciones escalares (escala logartmica)

Con frecuencia puede resultar ms interesante analizar los cambios proporcionales, en
lugar de los absolutos. En la ESCALA NATURAL la distancia entre nmeros es proporcional a
la diferencia absoluta entre dichos nmeros. Por ejemplo, 200 est situado en el punto
medio de 100 y 300. En una RELACIN ESCALAR la distancia entre nmeros es
proporcional a la diferencia absoluta entre sus logaritmos. Distancias iguales en una
relacin escalar representan porcentajes iguales de variacin, en vez de variaciones
absolutas iguales. En una relacin escalar la distancia entre 100 y 200 es la misma que entre
200 y 400, entre 1000 y 2000 o entre cualquier par de nmeros cuya razn sea 1:2. Por
razones obvias esta relacin escalar tambin se conoce bajo el nombre de ESCALA LOGARITMICA .

En el cuadro 3.5 figuran dos series: una crece a una cantidad absoluta constante de 8
unidades por perodo de tiempo y, otra, a una tasa constante del 1000/0. En la figura 3.4 se
representan las series, primero en escala natural y luego en escala logartmica. La serie A,
que crece en trminos absolutos, es una lnea recta en escala natural, sin embargo, es una
curva de pendiente decreciente en escala logartmica, ya que el mismo crecimiento absoluto
coincide con una variacin porcentual decreciente. La serie B es creciente en trminos
absolutos pero a una tasa porcentual constante, es decir su pendiente es creciente en escala
natural, pero es una lnea recta en escala logartmica. La escala natural facilita la
apreciacin de las variaciones absolutas, mientras que la escala logartmica permite analizar
las variaciones proporcionales10.

10. En economa se utilizan con frecuencia grficos con escala logartmica en un eje y escala
natural
el otro En los casos que acabarnos de explicar utilizamos la escala logartmica en el eje vertical
y la naturalidad (el tiempo) en la horizontal que reciben a menudo el .nombre de grficos
semilogartmicos. En determinados trabajos cientficos se emplean los grficos con escalas
logartmicas en ambos ejes que se denominan doble logaritmos.

LOS NUMEROS NDICES

Los economistas pretenden con frecuencia obtener respuestas sencillas a preguntas como:
Cunto han subido los precios este ao? o bien Ha aumentado la produccin
industrial este ao?, y, si as ha sido, en qu cuanta?. No existe una respuesta del todo
satisfactoria a la primera pregunta porque no todos los precios cambian a la vez, y tampoco
a la segunda porque no se pueden sumar las toneladas de acero, con los muebles fabricados
y con los galones de petrleo para obtener una cifra global. Pero lo cierto es que estas
preguntas no estn fuera de lugar. Existen tendencias en los precios y en la produccin y,
en consecuencia, es necesario describir estos fenmenos reales.
Los nmeros ndices son medidas estadsticas que se utilizan para obtener una respuesta
precisa a las complejas preguntas que acabamos de formular. Un NMERO INDICE mide,
mediante la utilizacin de un tipo concreto de promedio, la variacin porcentual que se ha
producido desde un determinado periodo base. En este sentido, expresa tendencias
generales y no hechos concretos. Los dos ms importantes son el ndice de precios y el de
cantidades.

Nmeros ndices de precios

Un INDICE DE PRECIOS expresa el cambio porcentual medio de un conjunto de precios que
se ha producido entre determinados periodos de tiempo. Al periodo inicial, a partir del cual
se mide el cambio, se le llama PERIODO BASE (o ao base) As mismo, existe un
determinado perodo de tiempo del que se desea conocer el cambio en relacin al perodo
base. Vamos ahora a desarrollar algunos aspectos ligados a la definicin de nmeros
ndices.
Primero, qu grupo de precios debera utilizarse? Esto depende del ndice. EL INDICE
DE PRECIOS AL POR MENOR O INDICE DE PRECIOS AL CONSUMO (IPC) toma en
consideracin los precios de los bienes y servicios que adquieren normalmente las
economas domsticas. Las variaciones en el IPC miden los cambios en el coste de la
vida de una economa domstica tpica. El ndice de precios al por mayor est integrado
por un grupo diferente de productos que son los que compran y venden los mayoristas. El
deflactor implcito del PIB es el ndice de precios que cubre virtualmente a todos los
bienes y servicios producidos en la economa; incluye no slo a los bienes de consumo y
los servicios adquiridos por las economas domsticas, sino tambin los precios de los
bienes de capital, tales como las plantas y la maquinaria compradas por las empresas.
Segundo, qu tipo de promedio debera utilizarse? Si todos los precios fueran a cambiar
en la misma proporcin, sto no constituira un problema importante. Un 10 % de aumento
de todos y cada uno de los precios producira un aumento promedio del 10 % sea cual sea la
importancia que demos a cada variacin de precio cuando calculamos el promedio. Pero

qu ocurrir, como sucede normalmente, si los cambios en los precios son distintos? En
este caso, es preciso hacer constar la importancia que damos a la variacin de cada precio.
Un aumento del 50 % en el precio del caviar seguramente es mucho menos importante para
el consumidor medio que un incremento del 40 % en el precio del pan y este, a su vez, es
menos importante que un aumento del 30 % en el precio de la vivienda. Por qu ocurre
sto? La razn es que la economa domstica tpica gasta menos en caviar que en pan y
menos en pan que en vivienda.
Al calcular cualquier ndice de precios, los estadsticos pretenden ponderar cada precio
de acuerdo con su importancia. Veamos cmo se hace sto en el IPC. Los organismos de
estadsticas de los gobiernos encuestan peridicamente a un grupo de economas domsticas con el fin de descubrir cmo gastan su renta. Se calcula la cesta o conjunto de
bienes que adquieren en promedio, ponderndose los precios de acuerdo con las cantidades
de bienes que forman dicha cesta o conjunto de bienes. De esta forma, los cambios en el
promedio de precios dependen en gran manera de aquellos bienes que son adquiridos en
cuantas significativas para los consumidores, en cambio apenas se vern influidos por los
bienes poco importantes en el gasto de los consumidores. El procedimiento se ilustra en el
cuadro 3.6.

Finalmente, cmo se calcula el cambio promedio? Esto se hace comparando el coste de

adquisicin del conjunto tpico de bienes en el perodo base y en el ao que queremos
calcular. El coste del perodo de clculo se expresa como un porcentaje del coste del
perodo base, siendo la cifra correspondiente el nmero ndice del nuevo periodo. Por
ejemplo, en el cuadro 3.6 el ndice para el ao 1984 es el coste de comprar dicha cesta de
bienes en 1984 expresado como un porcentaje del coste de compra de la misma cesta en el
ao base (que es 1983 en este ejemplo). Por ello, el ndice de precios del ao base es
siempre 100. El ndice 180, significa que los precios han aumentado en promedio un 80 %
entre el ao base y el ao en cuestin.
Un nmero ndice de precios, con ponderaciones de un determinado ao
base, es la relacin entre el coste de adquisicin de un conjunto de bienes en
el ao que queremos calcular y el coste de adquisicin del mismo conjunto
en el ao base multiplicado por 100.

En consecuencia, el cambio porcentual en el coste de compra del conjunto de bienes es

el nmero ndice menos 100. Un nmero ndice de 110 nos indica un incremento porcentual
en los precios del 10 % en relacin al ao base.
Algunas dificultades. Un nmero ndice pretende reflejar las grandes tendencias de los
precios, olvidndose de los detalles. Esto significa que aunque la informacin pueda ser
extremadamente vlida, deba interpretarse con cuidado. De las muchas razones que existen
para ello vamos a destacar tres.
Primera, las ponderaciones en el ndice se refieren a un conjunto de bienes promedio.
Este promedio, aunque es lo caracterstico del consumo del pas, no es necesariamente el
consumo tpico de cada economa domstica. El rico, el pobre, el joven, el viejo, el soltero,
el casado, el que vive en las zonas urbanas y el que lo hace en las zonas rurales con sumen
combinaciones de bienes que difieren entre s. Un aumento de las tarifas areas, por
ejemplo, aumentar el coste de vida de un viajante de renta media y no afectar a una
persona pobre que nunca viaja. En el ejemplo del cuadro 3.6, el coste de la vida habra aumentado, respectivamente, el 100 %, el 40 % y el 380 % para tres familias diferentes, una
que consumiera slo el bien A, otra slo el bien B y la tercera nicamente el C. Sin
embargo, el ndice en el cuadro muestra que el coste de vida aument un 80 % para una
familia que consumiera los tres bienes en las cantidades relativas indicadas.
Cuanto ms diverge el comportamiento de consumo de una determinada
economa domstica del comportamiento tpico utilizado para ponderar los
precios en el ndice de precios, menos reflejar ste ndice el cambio
promedio en los precios que afecta a dicha economa domstica.
Segunda, normalmente, las economas domsticas alteran sus pautas de consumo a
consecuencia de las variaciones de precios. Un ndice de precios que refleje los cambios en
el coste de adquisicin de un conjunto fijo de bienes no admite esta posibilidad. Por
ejemplo, el ndice del coste de la vida tpico para las familias de renta media a principios de
siglo habra otorgado una fuerte ponderacin al coste de las personas del servicio
domstico. El hecho de que se doblaran los salarios de estas personas en 1900 habra
aumentado mucho el coste de vida de las clases medias. En la actualidad tendra un efecto
reducido, ya que el aumento del coste del factor trabajo ha provocado desde hace tiempo
que las familias de clase media dejaran de tener empleados del hogar a jornada completa.
Una economa domstica que reduce fuertemente su consumo de un bien cuyo precio est
aumentando rpidamente, no sufre un incremento de su coste de vida tan rpido como la
que continua consumiendo dicho bien en la misma cantidad.
Un ndice de precios con ponderaciones fijas tiende a exagerar las variaciones en el coste de vida al no permitir la incorporacin de los cambios en
las pautas de consumo que se manifiestan en el desplazamiento desde el
consumo de bienes cuyos precios han aumentado ms al de aquellos bienes
cuyos precios han aumentado menos.

Tercera, en el trascurso del tiempo, nuevos productos entran a formar parte en el conjunto
de bienes y servicios consumidos, mientras que a otros les ocurre lo contrario. Un ndice
del coste de vida en 1890 dara cabida en un lugar preferente a los carruajes tirados por caballos y a la comida de los caballos, pero no tendra en cuenta a los automviles y a la
gasolina.
Un ndice de precios con ponderaciones fijas no permite la incorporacin de
nuevos productos y la disminucin de la importancia de los viejos en el
conjunto de consumo tpico de las economas domsticas.
Cuanto ms largo es el perodo de tiempo que transcurre menos representativo de las
pautas de consumo actuales ser un determinado conjunto de bienes de consumo fijo. Por
esta razn, el gobierno lleva a cabo encuestas peridicamente sobre la forma como gastan
las economas domsticas, lo que le permite alterar las ponderaciones. A partir de aqu, se
suele cambiar el ao base para adecuarlo al ao en que se calcula el nuevo conjunto de
ponderaciones de los bienes.
Los nmeros ndices de la produccin fsica
Existen muchos ndices de produccin. Al igual que los ndices de precios ahora
analizados, son promedios de los cambios de cientos de componentes individuales. No
resulta complicado medir las variaciones de la produccin de toneladas de acero cada mes o
cada ao, ni de neumticos o aparatos dc televisin. Algo ms difcil de medir es la
cantidad de letra impresa, de mobiliario y de aviones, porque. la unidad de produccin est
menos definida, aunque en estos casos tambin es fcil obtener una buena aproximacin.
El cuadro 3.7 ilustra de forma simplificada el clculo necesario para un ejemplo de dos
industrias. El incremento en la cantidad de cada industria se muestra en la columna
cantidad relativa, Q1 /Q0 . La industria A era ms importante que la industria B en el ao
base como se observa en los valores de la produccin en 1983, V0 . Por lo tanto, la industria
A obtiene una ponderacin mayor en el cmputo del ndice de cantidades. El valor total de
la produccin en 1983 era de 12 billones de libras. La ltima columna muestra el aumento
del valor de la produccin causado por el incremento en la cantidad, suponiendo que los
precios y la importancia relativa de los dos bienes no se ha alterado. Este valor obtenido es
de 15,5 billones de libras para 1984. El ndice para 1984 es 15,5/12,0 x 100 = 129,2. Por lo
tanto, el ndice ha aumentado en un 29,2 % entre 1983 y 1984, que, en definitiva, es la media ponderada del aumento del 25 % de la produccin de la industria A y del 50 % de la
industria B. En realidad, ningn bien concreto aument un 29,2 %, aunque este promedio
refleja el hecho de que ambas industrias aumentaran su produccin y de que la A es cinco
veces ms importante que la industria B. El procedimiento utilizado en el cuadro 3.7 puede
ampliarse para incluir cientos de bienes, lo que nos conducira a la obtencin de un ndice
global de la produccin fsica. Los encargados de la elaboracin de los nmeros ndices de
produccin fsica se enfrentan a muchos problemas prcticos, como, por ejemplo, qu
productos incluir, qu camino seguir para ajustar los cambios en la calidad de los productos
y qu valores utilizar como ponderaciones.