Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Richard G. Lipsey
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
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.
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.
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.
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.
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.
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.
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.
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
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 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.
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.
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.