Gasto Publico

1
UN MODELO DINMICO DE DETERMINANTES DE DEMANDA DEL
GASTO PBLICO EN ESPAA.
Manuel Jan
Universidad de Almera
1. INTRODUCCIN
Este trabajo formula un modelo de determinantes del gasto pblico desde el lado
de la demanda. Los estudios del crecimiento del gasto pblico desde el lado de la
demanda se basan en la suposicin de que los gobiernos ajustan su tamao en respuesta
directa a la demanda de los ciudadanos, lo que Buchanan (1977) ha llamado gobierno
responsable, en contraste a un gobierno excesivo donde el gobierno opera
independientemente de la gente, produciendo resultados que no pueden relacionarse con
los deseos de los ciudadanos (Henrekson y Lybeck (1988)). Las explicaciones de
gobierno responsable suponen que el gobierno toma sus decisiones de forma neutral en
cuanto a su posible resultado. Es decir, los cambios en el gasto del sector pblico se
consideran como una funcin de los procesos tecnolgicos y econmicos naturales, de
los cambios en las preferencias y gustos de la gente expresados va instituciones de
gobierno o de ambas cosas a la vez; estas instituciones se espera que no influyan en las
decisiones acerca del gasto pblico sino que reflejen exactamente la demanda de los
ciudadanos. Desde un punto de vista analtico lo anterior es equivalente a suponer que la
oferta de bienes o servicios pblicos es perfectamente elstica.
El primer problema que nos planteamos es la eleccin de una medida del gasto
pblico. En trabajos anteriores [Jan y Molna (1998), Jan (1999)] se han considerado
diferentes medidas del gasto pblico, fundamentalmente el gasto total del gobierno o los
gastos en consumo o transferencias con relacin al PNB o PIB.En este caso, siguiendo a
Abizadeh y Basilevsky (1990) construimos un indicador sinttico del gasto pblico.

2
Para ello partimos de la consideracin de los diferentes aspectos cuantitativos del gasto
pblico como una variable multidimensional latente que puede ser estimada por un
modelo factorial lineal multivariante tal como el anlisis factorial de componentes
principales o de mxima verosimilitud. La componente principal calculada puede ser
interpretada sin ambigedad como una medida del crecimiento del GP.
Hacemos un anlisis anlogo con relacin a las variables que influyen en el
crecimiento del gasto. En este caso, dado el escaso nmero de grados de libertad por la
limitacin de datos y el elevado nmero de componentes que influyen en el gasto
pblico, es necesario realizar una agrupacin homognea de las variables y una
posterior reduccin mediante el anlisis de componentes principales.
La utilizacin de componentes principales nos evita diversos problemas. Por un
aparte, la agrupacin de variables posibilita la eliminacin de los problemas de
correlacin que pudiesen existir entre dichas variables y, en consecuencia, los
problemas de errores en la estimacin de los coeficientes. Por otra parte, permite
estimar de forma global el efecto derivado de unas influencias determinadas, como es el
caso de la desagrarizacin o la estructura industrial en las que las variables
representativas pueden ser agrupadas en una componente que no explica el efecto que
producen en la variacin del gasto pblico. Por ltimo palia los problemas que se
producen por la falta de grados de libertad en las regresiones de cointegracin
realizadas.
3
2. UN INDICADOR SINTTICO DEL GASTO PBLICO.
A partir de las variables representativas del crecimiento del gasto pblico (con
relacin al PIB): gasto pblico total, consumo pblico, ingreso pblico, formacin bruta
de capital y transferencias construimos, mediante anlisis factorial, un nico factor. Este
factor explica el 83% de la variabilidad total de las variables consideradas. En concreto
el 95,6% de la varianza del gasto en trminos constantes con respecto al PIB es
explicada por este factor. Anlogamente ocurre con el resto de las variables (Ver
apndice).
3. DETERMINANTES ECONMICO-ESTRUCTURALES.
Se distinguen dos tipos de influencias posibles en el crecimiento de los gastos
gubernamentales: componentes institucionales y no institucionales. La aproximacin
institucional corresponde a una explicacin poltica en trminos de prcticas polticas,
grupos y reglas de conducta poltica (Borcherding (1985), Hackl, Schneider y Withers
(1995)). Para Sorensen (1988), el papel de las instituciones se concreta en las siguientes
preguntas. Cul es el impacto del aumento de la participacin poltica y de la
igualacin de los derechos polticos en el crecimiento del gasto pblico?. Cul es el
papel de la legislacin y de los acuerdos institucionales en la configuracin de las
diferentes trayectorias del gasto pblico?. La segunda corresponde a una explicacin de
tipo econmico al contener nicamente variables econmicas de carcter estructural que
reflejan las preferencias individuales subyacentes.
Para estudiar los determinantes econmico-estructurales podemos considerar varias
teoras individuales sobre el crecimiento del gobierno que no son mutuamente
excluyentes sino que, por el contrario, permiten formular un modelo conjunto
relativamente parsimonioso que las comprende a todas (Tussing y Hennig (1974),

4
Lowery y Berry (1983), Bocherding (1985), Abizadeh y Yousefi (1988), Henrekson y
Lybeck (198), Gemmell (1990), Hackl, Scheider y Withers (1995)). La consideracin de
cada una de estas teoras permite justificar de forma adecuada la utilizacin de las
diferentes variables del modelo. En primer lugar consideramos la ley de Wagner.
Wagner formul, hace aproximadamente 100 aos, su ley de expansin de la actividad
del estado. Encontraba tres razones importantes para el aumento de la actividad del
gobierno. Primero, la industrializacin y modernizacin llevara a una sustitucin de la
actividad privada por actividad pblica. La creciente complejidad de las relaciones
legales y contractuales aumentara la necesidad de mayor actividad pblica de
proteccin y regulacin. La urbanizacin y el aumento de la densidad de poblacin
resultante de la industrializacin llevara a mayores fricciones sociales lo que tendra
como consecuencia ms gastos en ley y orden. En segundo lugar, Wagner predijo que el
crecimiento de la renta real facilitara la relativa expansin del gasto en ciertas
demandas elsticas a la renta, tales como la educacin, la cultura y la redistribucin de
la renta. Finalmente, afirm que el desarrollo econmico y los cambios en la tecnologa
requieren al gobierno controlar y dirigir los monopolios naturales para aumentar la
eficiencia econmica (Henrekson y Lybeck (1988)). Tussing y Henning (1974)
formulan la ley de Wagner en forma sinttica. y muy expresiva: Cuando el desarrollo
econmico progresa y la nacin se hace ms unificada e interdependiente, el papel
integrador del estado debe expandirse, y el gasto pblico aumentar en proporcin al
output nacional, en particular en reas de gobierno general, regulacin y gastos en ley y
orden.
En Espaa se produce, a partir de los aos 50, un proceso de wagnerizacin de la
sociedad tal como describe Garcia Delgado (1995). ste divide el desarrollo industrial
espaol en varias etapas abarcando la ltima de ellas el perodo 1950-1993 al que llama
5
perodo de apertura y convergencia. Dentro de ese perodo, y a partir de la dcada de
1960, se ha producido un crecimiento econmico superior al de cualquier perodo
semejante anterior. Considera que existen tres procesos que expresan rotundamente el
enorme cambio producido en la economa y sociedad espaola: el proceso de
desagrarizacin, la apertura exterior y la ampliacin de la capacidad econmica del
Sector Pblico.
Centrndonos en el primero de estos procesos, se pone de manifiesto en el
abrupto descenso de la poblacin activa agraria y del mundo rural, en general, a travs
de un proceso de emigracin del campo a la ciudad. Seala que, en las cuatro ltimas
dcadas, la poblacin activa agraria se ha reducido en no menos de cuatro millones de
personas, pasando de un 38,7% de la poblacin ocupada en 1960 al 9,9% en 1991. La
consecuencia es una profunda mutacin tanto de la estructura productiva como de la
social y de la territorial. Se produce un rpido proceso de ocupacin de la poblacin
pasando el sector industrial de ocupar al 30.3 % de la poblacin ocupada al 31.7 %
mientras el sector servicios pasa del 31.0 % al 58.4 %. La desagrarizacin trae consigo
un rpido proceso de urbanizacin, una modificacin de la distribucin territorial de la
poblacin y de los recursos materiales, as como el predominio de nuevas formas y
organizacin de la familia: familia nuclear e incorporacin de la mujer al mercado de
trabajo. El rpido proceso de urbanizacin se constata en que el nmero de personas en
ciudades de ms de 100.000 habitantes aumenta entre 1960 y 1980 a razn de ms de
cuatro millones cada diez aos. La tasa de actividad de mujeres pasa de un 22.93% en
1964 a un 35.8% en 1994 o en valores absolutos de 2.865.900 a 5.861.100, con un
aumento en la poblacin ocupada de ms de un milln de personas. La industrializacin,
la urbanizacin, la emigracin y los procesos relacionados han perturbado la estabilidad
de la comunidad llevando a la supremaca de la familia nuclear. Lo que elimina los

6
mecanismos de seguro y proteccin mutua propios de la sociedad rurales y hace
necesario sustituirlos por mecanismos de seguro gestionados pblicamente que en esta
situacin son ms eficaces que los mecanismos tradicionales. El resultado es un
aumento del gasto pblico, particularmente en pagos de transferencia, pero tambin en
otras funciones como la sanidad. Junto a ello se ha producido un rpido crecimiento de
la renta con tasas medias anuales de crecimiento del PIB per cpita del orden del 3,4%
anual.
Para contrastar los aspectos tericos y empricos mencionados utilizamos las
siguientes variables: grado de urbanizacin1 y poblacin total para contrastar la primera
componente y renta real disponible per cpita para la segunda. Para representar los
cambios en la estructura industrial se utiliza la proporcin de empleados industriales en
el empleo total (EI), la proporcin de mujeres en la fuerza de trabajo (MUJ) y la
proporcin del producto agrario en el producto total (VAAG/PIB). Las dos primeras
variables se espera que tengan un efecto positivo en el tamao del sector pblico. El
signo de la variable renta es indeterminado puesto que el tamao del gobierno es
medido con relacin a la renta nacional. Por tanto un signo positivo es consistente con
una elasticidad renta superior a la unidad y viceversa. En cuanto a la proporcin de
empleados industriales se espera un signo negativo lo mismo que en la proporcin del
producto agrario en el total, por el contrario se espera un signo positivo de la proporcin
de mujeres en el mercado de trabajo
Utilizando componentes principales agrupamos las variables asociadas a la
primera explicacin, grado de urbanizacin y poblacin total en un solo factor, F1, que
explica el 96,3% de la variabilidad total de ambas variables. Anlogamente agrupamos
las variables asociadas a la tercera explicacin en un solo factor que explica el 81,5%
1
Dado que es imposible conocer el grado de urbanizacin con los datos censales y de padrones existentes
en Espaa se ha utilizado como variable proxy la proporcin de empleo agrcola sobre el total (EAG).
7
de la variabilidad total de las variables y un alto porcentaje de la varianza en el caso de
la proporcin de mujeres en el mercado de trabajo, 95,4%, y de la proporcin del
producto agrario en el total (96%).
4. FORMULACIN Y CONTRASTACIN EMPRICA DEL MODELO.
El modelo terico que utilizamos est basado en Borcherding y Deacon (1972) y
Bergstrom y Goodman (1973). Partimos de la ecuacin de demanda del votante-
contribuyente mediano
LnQ=+lnT+lnV+ iLnmi (1)
donde Q es la cantidad de servicios de gobierno consumidos por el votante mediano, T
es el precio impositivo percibido por dicho votante, V es su renta y mi son un conjunto
de variables que reflejan el cambio politico. Dada la forma de la ecuacin, y son las
respectivas elasticidades precio y renta.
Aunque la variable Q no es directamente observable si lo es la cantidad total de
bienes y servicios producidos por el sector pblico. La relacin entre ambas viene dada
por Q=G/C.1/N donde G es el gasto pblico total, C es el coste unitario de los servicios
del gobierno, y N es el total de poblacin. El coeficiente nos indica el grado de
privacidad o publicidad de los servicios pblicos. =0 implica que los bienes son
pblicos puros; ser la unidad si el coste es proporcional a la poblacin (bienes cuasi-
privados) y mayor que 1 si hay un efecto exclusin en el coste unitario de los servicios
prestados por el sector pblico.
Sustituyendo Q por Q=G/C 1/N obtenemos
LnG=+LnT+LnV+LnN+LnC+i Lnmi (2)

8
y dado que T es igual al producto CF donde C es el coste unitario de los servicios de
gobierno y F es la participacin tributaria en los servicios del gobierno pagada por el
contribuyente-votante mediano, es decir la fraccin total de los gastos pblicos pagados
por el contribuyente mediano mediante sus impuestos I. Es decir F=(I/G).(1/N),
obtenemos
LnG=+Ln(I/G)+(1+)LnC+LnV+(-+)lnN+iLnmi (3)
Llamando Y a la renta del votante medio y k al cociente entre la renta mediana y la
media, se obtiene, sustituyendo V por kY
LnG=+Ln(I/G)+(1+)LnC+LnY+Lnk+(-+)lnN+iLnmi (4)
que es la ecuacin a contrastar.
Para realizar el anlisis emprico utilizamos la metodologa de races unitarias y
cointegracin. En el anlisis de races unitarias utilizamos el mtodo secuencial de
Holden y Perman (1994) que nos permite conocer simultneamente el proceso
generador de datos de la serie y la existencia o no de races unitarias. En primer lugar
consideramos las grficas y correlogramas de las series y sus primeras diferencias.
2.0 0.6
1.5
0.4
1.0
0.2
0.5
0.0
0.0
-0.5
-0.2
-1.0
-1.5 -0.4
65 70 75 80 85 90 95 65 70 75 80 85 90 95
GASTOPIB DGASTOPIB
9
7.0
0.10
6.8 0.08
0.06
6.6
0.04
6.4
0.02
6.2
0.00
6.0 -0.02
65 70 75 80 85 90 95 65 70 75 80 85 90 95
LRENTA DLRENTA
2
0.00
1 -0.04
-0.08
0
-0.12
-1
-0.16
-2
-0.20
65 70 75 80 85 90 95
65 70 75 80 85 90 95
F1
DF1
2
0.2
1
0.1
0
0.0
-1
-0.1
-2
-0.2
-3
65 70 75 80 85 90 95 -0.3
65 70 75 80 85 90 95
F2
DF2
10
CORRELOGRAMAS DE LAS SERIES

11
CORRELOGRAMAS DE LAS SERIES

12
Las grficas de las series nos permiten conjeturar la posible existencia de una
tendencia en todas ellas, tendencia que puede ser determinista o estocstica. Esto unido
a la forma de los correspondientes correlogramas, en los que las FAS descienden
lentamente a cero mientras que la primera FAP es muy elevada, nos lleva a pensar en la
posible existencia de races unitarias en las cuatro series. Esta conjetura la
comprobamos a travs de los distintos contrastes de races unitarias. En cuanto a las
primeras diferencias las grficas no muestran ninguna tendencia mientras que sus
correlogramas son propios de series estacionarias excepto en el caso de la serie
DLRENTA en el que podemos albergar alguna duda con respecto a su estacionariedad.
En todo caso, es necesario realizar el contraste de races unitarias utilizando los
diferentes tipos de tests.
Para aplicar el procedimiento paso a paso, estimamos las ecuaciones en primeras
diferencias para cada serie considerando los retardos necesarios para que los residuos
sean ruido blanco.
Para la serie LGP/PIB obtenemos
DLGP/PIB= -0.16 (-0.825)+0.014 t (1.22)-0.1439 LGP/PIB(-1) (-1.345)
A continuacin contrastamos la hiptesis nula conjunta (,,)=(,0,1) contra la
alternativa (,,)#(,0,1). Obtenemos un estadstico de contraste de 0.95 para un valor
crtico de 6.73 (para un nivel de significacin del 5%) con lo que aceptamos la hiptesis
nula y la serie tendra una raz unitaria.
Reforzamos esa inferencia considerando nicamente el contraste de races
unitarias. Obtenemos un estadstico de contraste de 1.345 para un valor critico de
3.5562 con lo que aceptamos que la serie tiene una raz unitaria.
13
Para contrastar si la serie tiene deriva consideramos la hiptesis nula (,)=
(0,0), obtenemos un estadstico de contraste de 2.21 para un valor critico de 5.13, con lo
que no podemos rechazar la nula lo que implica la ausencia de deriva en el proceso.
Puesto que hemos deducido que =0, realizamos nuevamente el contraste inicial
considerando solamente deriva, obtenemos
DLGP/PIB= 0.0741 (2.724)-0.0176 LGP/PIB(-1) (-0.634)
El estadstico correspondiente para el contraste de la hiptesis nula (,)= (0,0)
es 3.97 para un valor critico de 4.86 con lo que la serie es un paseo aleatorio sin deriva.
Aprovechamos este resultado para realizar el contraste Phillip-Perron (PP)
considerando que la serie no tiene tendencia ni deriva obtenemos un estadstico de
contraste de 0.7958 para un valor critico de 1.951 con lo que aceptamos la nula y la
serie tendra una raz unitaria.
Anlogamente para la primera diferencia de las series obtenemos un valor de
contraste para el ADF de 2.45 para un valor critico de 1.952 mientras el valor de
contraste para el PP es 3.65 para el mismo valor critico en consecuencia rechazamos la
hiptesis nula y la serie tendra una raz unitaria (I(1)).
El mismo procedimiento utilizamos para el resto de las series. Obtenemos que la
serie F1 es un paseo aleatorio con deriva al igual que la serie F2 mientras que en el caso
de la serie LRENTA obtenemos un paseo aleatorio sin deriva. Observamos, por tanto,
que ninguna de las series analizadas tiene tendencia. Aspecto que aprovecharemos para
el contraste de cointegracin de Johansen. De forma resumida obtenemos el siguiente
cuadro (Cuadro 1)
14
CUADRO 1
Variable Constante Tendencia Zt-1 Zt-1 Zt-2 3 2 1 PP
LGASTOPIB -0.16(-0.85) 0.014(1.22) -0.122(-1.345) 0.95 2.21 -0.8
LGASTOPIB 0.074 (2.724) -0.017(-0.634) 3.97
F1 0.048(0.41) -0.006(-098) -0.073(-1.19) 0.41(2.32) 2.11 6-089 -1.77
F1 -0.06 (-3.38) -0.013(-1.81) 0.37(2.14) 6.1
F2 0.049(0.44) -0.009(-1.44) -0.044(-0.71) 3.19 0.495 -2.09
F2 -0.1 (-5.6) 0.04(2.06) 18.18
LRENTA 0.994(3.11) 0.003(2.62) -0.16(-3.07) 0.2(1.25) 0.43(2.71) 4.91 5.33 -3.61
LRENTA 0.23(1.6) -0.033(-1.55) 0.23(1.32) 0.32(1.92) 1.86
DLGASTOPI
DLGASTOPI
DF1 -0.085(-3.26) 0.001(1.66) -0.63(-3.62) 6.69 -3.17
DF2 0.003(0.083) -0.005(-2.51) -0.93(-4.98) 12.4 -4.95
DLRENTA 0.031(2.43) -0.0008(-1.62) -0.59(-3.41) 5.83 5.84 -2.96
DLRENTA 0.01294(2.08) -0.457(-2.93) 4.9
Fuente: Elaboracin propia
En el anlisis de cointegracin consideramos inicialmente el contraste de Engle y
Granger basado en los residuos de la ecuacin de cointegracin.
Obtenemos la siguiente ecuacin de cointegracin

LGASTO/PIB= 11.223 (2.48)-1.69 (-2.48)LRENTA-0.89(-3.81)F1-0.5(-4.3)F2
con un R2 igual a 0.947 y un estadstico DW igual a 0.383 lo que nos induce a pensar en la
existencia de correlacin en los residuos. En el contraste de races unitarias de stos
obtenemos un valor de contraste de 1.64 para un valor critico de 4.51 con lo que no
podemos rechazar la nula y los residuos tendran una raz unitaria y, por tanto, las series no
seran cointegradas (Cuadro 2)
15
CUADRO 2
Estimacin por mnimos cuadrados ordinarios

******************************************************************************
La variable dependiente es LGASTO/PIB
Utilizadas 33 observaciones para la estimacin desde 1964 a 1996
******************************************************************************
Regresor Coeficiente Error estndar T-Ratio[Prob]
C 11.2294 4.5350 2.4761[.019]
LRENTA -1.6920 .68331 -2.4763[.019]
F2 -.50547 .11770 -4.2946[.000]
F1 -.89623 .23511 -3.8119[.001]
******************************************************************************
R-Squared .94714 R-Bar-Squared .94167
S.E. of Regression .24151 F-stat. F( 3, 29) 173.2140[.000]
Mean of Dependent Variable .6061E-6 S.D. of Dependent Variable 1.0000
Residual Sum of Squares 1.6915 Equation Log-likelihood 2.1952
Akaike Info. Criterion -1.8048 Schwarz Bayesian Criterion -4.7978
DW-statistic .38267
******************************************************************************
Diagnostic Tests
******************************************************************************
* Test Statistics * LM Version * F Version
******************************************************************************
* * *
* A:Serial Correlation*CHSQ( 1)= 23.1195[.000]*F( 1, 28)= 65.5176[.000]
* * *
* B:Functional Form *CHSQ( 1)= 12.8926[.000]*F( 1, 28)= 17.9533[.000]
* * *
* C:Normality *CHSQ( 2)= .61493[.735]* Not applicable
* * *
* D:Heteroscedasticity*CHSQ( 1)= 3.2113[.073]*F( 1, 31)= 3.3419[.077]
******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
Contraste de raices unitarias para los residuos

******************************************************************************
Basada en la regresin MCO de LGASTO/PIB en:
C LRENTA F2 F1
33 observaciones desde 1964 a 1996
******************************************************************************
Test Statistic LL AIC SBC HQC
DF -.75509 13.3586 12.3586 11.6925 12.1550
ADF(1) -1.6432 15.7997 13.7997 12.4675 13.3925
ADF(2) -1.4444 15.8001 12.8001 10.8018 12.1892
ADF(3) -1.8215 16.7722 12.7722 10.1078 11.9577
ADF(4) -2.1629 17.5924 12.5924 9.2619 11.5742
******************************************************************************
95% critical value for the Dickey-Fuller statistic = -4.5113
LL = Maximized log-likelihood AIC = Akaike Information Criterion
SBC = Schwarz Bayesian Criterion HQC = Hannan-Quinn Criterion
Para el contraste de Johansen consideramos en primer lugar el nmero de
retardos del VAR utilizando los criterios AIC y SBC seleccionamos un VAR(1).
Utilizando este nmero de retardos realizamos el anlisis de cointegracin obteniendo

16
tanto en el contraste del valor propio mximo como en el de la traza un nico vector de
cointegracin (Cuadros 3 y 4).
CUADRO 3
Contraste LR de cointegracin basado en el valor propio mximo de la matriz estocstica.

******************************************************************************
32 observaciones de 1965 a 1996. Orden de VAR = 1, escogido r =1.
Lista de variables incluidas en el vector de cointegracin:
LGASTO/PIB LRENTA F1 F2
Lista de valores propios en orden descendente:
.61919 .41677 .28480 .21808
******************************************************************************
Nula Alternativa Estadstico Valor critico al 95% Valor critico al 90%
r = 0 r = 1 30.8947 27.4200 24.9900
r<= 1 r = 2 17.2535 21.1200 19.0200
r<= 2 r = 3 10.7261 14.8800 12.9800
r<= 3 r = 4 7.8722 8.0700 6.5000
******************************************************************************
LR de cointegracin basado en la traza de la matriz estocstica
******************************************************************************
.61919 .41677 .28480 .21808
******************************************************************************
Nula Alternativa Estadstico Valor critico al 95% Valor critico al 90%
r = 0 r>= 1 66.7464 48.8800 45.7000
r<= 1 r>= 2 35.8517 31.5400 28.7800
r<= 2 r>= 3 18.5982 17.8600 15.7500
r<= 3 r = 4 7.8722 8.0700 6.5000
******************************************************************************
Eleccin del nmero de relaciones de cointegracin utilizando criterios de seleccin de

modelos.
******************************************************************************
.61919 .41677 .28480 .21808
******************************************************************************
Rango Maximized LL AIC SBC HQC
r = 0 176.7469 172.7469 169.8154 171.7752
r = 1 192.1942 181.1942 173.1326 178.5220
r = 2 200.8209 184.8209 173.0950 180.9341
r = 3 206.1840 187.1840 173.2595 182.5684
r = 4 210.1201 190.1201 175.4627 185.2616
******************************************************************************
AIC = Akaike Information Criterion SBC = Schwarz Bayesian Criterion
HQC = Hannan-Quinn Criterion

17
CUADRO 4
Estimadores MV sujetos a restricciones de identificacin exacta

Estimadores de relaciones de cointegracin restringidas (Errores estndar entre
parntesis)
Convergencia lograda despus de dos iteraciones
******************************************************************************
******************************************************************************
Lista de restricciones impuests en los vectores de cointegracin:
a1=1
******************************************************************************
Vector 1
LGASTO/PIB 1.0000
(*NONE*)
LRENTA 4.3187
(2.3053)
F1 2.3586
(.95812)
F2 .12121
(.36655)
******************************************************************************
LL SUJETOS A RESTRICCIONES DE IDENTIFICACIN EXACTA= 192.1942
******************************************************************************
De acuerdo con la ecuacin de cointegracin normalizada, el Gasto Pblico
depende de la renta con una elasticidad superior a la unidad, es decir un incremento
unitario de la renta per cpita provoca un aumento del gasto en cuanta superior a la
unidad. De la misma forma la elasticidad para la variable conjunta F1 tambin ser
positiva y superior a la unidad y asimismo el efecto conjunto de las variables agrupadas
en F2 es positivo.
5. CONCLUSIONES.
Este trabajo formula un modelo dinmico de determinantes econmico-
estructurales de demanda del gasto pblico. Se define el gasto pblico a partir de sus
posibles componentes como un indice sinttico. Asimismo se consideran diversas
formulaciones tericas relacionadas con la ley de Wagner. Dada la relacin entre las
variables asociadas a esas formulaciones tericas y el pequeo nmero de elementos de

18
las series correspondientes, se resumen cada uno de los bloques de variables, mediante
el anlisis de componentes principales, en una variable nica. Se concluye que el gasto
pblico aumenta cuando lo hace la renta per cpita de las familias, cuando se
incrementa el grado de industrializacin y el desarrollo econmico y los cambios
tecnolgicos.
19
REFERENCIAS BIBLIOGRFICAS
Abizadeh, S. y Yousefi, M. (1988): Growth of Government Expenditure: The Case of
Canada. Public Finance Quarterly Vol 16(1) pp. 78-100
Bergstrom , T.C. y R. Goodman (1973): Private Demands for Public Goods.
American Economic Review, 63, pp. 280-296.
Borcherding, T. E. (1985): The Causes of Government Expenditure Growth: A Survey
of the U.S. Evidence. Journal of Public Economics 28 pp.359-382.
Borcherding, T. E. y R. T. Deacon (1972): The Demand for the Services of non-
Federal Governments. American Economic Review, 62, pp. 891-901.
Buchanan, J. M. (1977): Why Does Government Grow? en T. E. Bocherding (ed):
Budgets and Bureaucrats: The Sources of Government Growth. Durham, N. C.. Duke
University Press.
Garcia Delgado J.L. (1995): Etapas y Rasgos Definidores de la Industrializacin
Espaola en Garcia Delgado (dir): Lecciones de Economa Espaola. Madrid:
Civitas.
Gemmel, N. (1990): Wagners Law, Relative Prices and the Size of the Public Sector.
The Manchester School of Economis and Social Studies 58, pp. 361-377.
Hackl, F. Schneider, F. y Withers, G. (1995): The Public Sector in Australia: A
Quantitative Analysis en N. Gemmel (ed): The Growth ofPublic Sector: Theories and
International Evidence. Edward Elgar P.L. UK.
Henrekson, M. y Lybeck, J. A. (1988): Explaining the Growth of Government in
Sweden: A Disequilibrium Approach. Public Choice 57 pp. 213-231.
Holden, D. y Pelman, R.: Unit Roots and Cointegration for the Economist en
Cointegration editado por B. Rao. St. Martin Press pp. 47-112.

20
Jan, M. (1999): Gasto Pblico, Dficit y Cointegracin: Un Anlisis Emprico de la
Hiptesis Buchanan-Wagner en el Caso Espaol. Hacienda Pblica Espaola 50,
pp.161-172.
Jan, M. y Molna, A. (1998): La Dinmica del Gasto Pblico en Espaa: Teora y
Evidencia Emprica. Analistas Econmicos de Andaluca. Malaga. 245 pginas.
Lowery, D y Berry, W.D. (1983): The Growth of Government in the United States: Un
Empirical Assesment of Competing Explanations.American Journal of Political
Science 27, pp. 665-694.
Sorensen, R. J. (1988): The Growth of Public Spending in Norway 1865-1985 en
Lybeck y Henrekson (eds): Explainining the Growth of Government. Amsterdam.
North-Holland.
Tussing, A.D. y Henning, J. A. (1974): Long Run Growth of Nondefense Government
Expenditures in the United States. Public Finance Quarterly Vol 2(2) pp.202-222.
21
APNDICE
Anlisis de Componentes Principales
Anlisis factorial 1
Estadsticos descriptivos
Desviacin
Media tpica N del anlisis
lgagactpibct -1,13130 ,31794314 33
lconapctpibct -2,04507 ,18090554 33
linapctpibct -4,35694 ,95373527 33
lfoapctpibct -3,56975 ,32510223 33
ltransctpibct -2,08297 ,53282832 33
Matriz de correlaciones
lgagactpibct lconapctpibct linapctpibct lfoapctpibct ltransctpibct

Correlacin lgagactpibct 1,000 ,905 ,912 ,722 ,903
lconapctpibct ,905 1,000 ,956 ,778 ,641
linapctpibct ,912 ,956 1,000 ,832 ,678
lfoapctpibct ,722 ,778 ,832 1,000 ,481
ltransctpibct ,903 ,641 ,678 ,481 1,000
KMO y prueba de Bartlett

Medida de adecuacin muestral de
Kaiser-Meyer-Olkin. ,597
Prueba de esfericidad Chi-cuadrado

317,197
de Bartlett aproximado
gl 10
Sig. ,000
Comunalidades
Inicial Extraccin
lgagactpibct 1,000 ,956
lconapctpibct 1,000 ,897
linapctpibct 1,000 ,936
lfoapctpibct 1,000 ,702
ltransctpibct 1,000 ,656
Mtodo de extraccin: Anlisis de Componentes principales.
22
Varianza total explicada
Sumas de las saturaciones al cuadrado

Autovalores iniciales de la extraccin
% de la % de la
Componente Total varianza % acumulado Total varianza % acumulado
1 4,146 82,925 82,925 4,146 82,925 82,925
2 ,600 12,008 94,933
3 ,215 4,292 99,225
4 3,767E-02 ,753 99,979
5 1,063E-03 2,126E-02 100,000
Matriz de componentesa
Compone
nte
1
lgagactpibct ,978
lconapctpibct ,947
linapctpibct ,967
lfoapctpibct ,838
ltransctpibct ,810
Mtodo de extraccin: Anlisis de componentes principales.
a. 1 componentes extrados
Matriz de coeficientes para el clculo de

las puntuaciones en las componentes
Compone
nte
1
lgagactpibct ,236
lconapctpibct ,228
linapctpibct ,233
lfoapctpibct ,202
ltransctpibct ,195
Mtodo de rotacin: Normalizacin Varimax con Kaiser.

Puntuaciones de componentes.
Anlisis factorial 1
Interpretacin de los resultados
23
Validez del anlisis factorial en nuestro estudio
El primer paso en el anlisis factorial es examinar la matriz de correlaciones entre las

variables. En general, se observan altos coeficientes de correlacin entre las seleccionadas,
indicio de que podemos reducirlas a un menor nmero de ellas, denominadas factores. La
existencia de altas correlaciones es seal de informacin redundante, o de que algunas aportan
informacin que, en parte, llevan otras. Y esto es indicativo de la presencia de factores comunes
(se ver que en nuestro anlisis solamente podemos extraer un factor comn a todas las
variables).
Indice KMO (Kaiser-Meyer-Olkin):
Se trata de una medida para analizar la adecuacin en cuanto a la aplicacin de la

tcnica del anlisis factorial a esas variables. Este ndice permite comparar las magnitudes de
los coeficientes de correlacin observados con las magnitudes de los coeficientes de correlacin
parcial.
r
i j
ij
2
KMO =
r
i j
ij
2
+ s
i j
ij
2
En esta expresin, rij es el coeficiente de correlacin observado entre las variables i-

sima y j-sima; se excluyen de los sumatorios los coeficientes de correlacin de una variable
consigo misma; sij es el coeficiente de correlacin parcial entre las variables i-sima y j-sima.
Tambin se exluyen los casos para los que i = j.
El coeficiente de correlacin parcial mide la correlacin existente entre dos variables,

una vez descontados los efectos lineales de otras variables. En nuestro modelo se pueden
interpretar esos efectos de otras variables como los correspondientes a los factores comunes. Por
lo tanto, el coeficiente de correlacin parcial entre dos variables sera equivalente al coeficiente
de correlacin entre los factores nicos de dos variables. De acuerdo con el modelo de anlisis
factorial los coeficientes de correlacin tericos calculados entre cada par de factores nicos son
nulos por hiptesis . Si los coeficientes de correlacin parcial constituyen una aproximacin a
dichos coeficientes tericos, deben estar prximos a 0 y la medida KMO prxima a 1. Un ndice
KMO bajo indica que la intercorrelacin entre las variables no es grande y, por lo tanto, el
anlisis factorial no sera prctico, ya que necesitaramos casi tantos factores como variables
para incluir un porcentaje de la informacin aceptable. Kaiser indica que un KMO mayor que
0,7 es indicativo de alta intercorrelacin y, por tanto, indicativo de que el anlisis factorial es
una tcnica til. Entre 0,5 y 0,6 el grado de intercorrelacin es medio y el mtodo sera menos
til que en el caso anterior, pero aplicable; un KMO menor a 0,5 indicara escasa utilidad.
En nuestro caso, la medida de adecuacin muestral KMO es igual a 0,597 y se

encuentra, pues, dentro de los lmites de aceptabilidad considerados adecuados para aplicar la
tcnica del anlisis factorial.
Contraste de esfericidad de Barlett:
Es un test destinado a contrastar la existencia de correlacin entre las variables. Si

rechazamos la Ho (= ausencia de correlacin), tiene sentido el anlisis factorial ya que sera
24
indicativo de que existen correlaciones importantes entre las variables. En caso de no poder
rechazar la hiptesis nula no tendra sentido un anlisis factorial ya que esto indicara que existe
poca informacin redundante y, por tanto, el nmero de factores necesario para explicar un alto
porcentaje de informacin sera prximo al de variables originales.
El estadstico de contraste toma el valor 317,197 (sigue una distribucin chi-cuadrado

con 10 grados de libertad) y el nivel de significacin crtico es 0,000. Por tanto, rechazamos la
hiptesis nula de ausencia de correlacin entre las variables para cualquier nivel de confianza y
podemos aplicar la tcnica del anlisis factorial a nuestras variables.
Extraccin de los factores comunes
Se ha mencionado que, a veces, el investigador se enfrenta a situaciones en las que

dispone de informacin de muchas variables que estn correlacionadas entre s, lo que impide
evaluar adecuadamente el papel que juega cada una en el fenmeno estudiado. El anlisis de
componentes principales permite condensar la informacin aportada por un conjunto de
variables en un nuevo conjunto, las componentes principales, que estn incorrelacionadas entre
s. Cada una de las componentes es combinacin lineal de las variables, ya que el mtodo
consiste en obtener combinaciones lineales de aquellas variables que muestren una variacin
considerable.
Cuando las variables originales estn muy correlacionadas entre s, la mayor parte de su
variabilidad (varianza) se puede explicar con muy pocas componentes, mientras que si
estuviesen completamente incorrelacionadas entre s, el anlisis de componentes principales
carecera de sentido puesto que las componentes coincidiran con las variables originales.
El anlisis de componentes principales consiste en elegir la primera componente de

modo que explique la mayor parte de la varianza de las variables. Obtenida esta, se le resta a las
variables y, sobre la variabilidad restante, se elige la segunda con el mismo criterio. Y as
sucesivamente.
Es obvio que todas las componentes principales explican toda la varianza, pero el
objetivo de sntesis implica la obtencin de un menor nmero de indicadores (de componentes).
Y este proceso se realizar atendiendo a la varianza acumulada por los sucesivos factores.
Sumando los porcentajes de la varianza total explicada por cada factor, seleccionaremos
factores hasta que ese porcentaje acumulado alcance cierto nivel considerado como idneo.
Existen varios criterios para determinar cul debe ser el nmero ptimo de componentes
a retener. El que se ha utilizado en este trabajo consiste en seleccionar aquellos factores con un
valor propio superior a uno ( el autovalor o valor propio es la varianza tipificada de cada factor
y la suma de todos ellos debe ser igual al numero de variables). La razn es que, como las
variables se consideran tipificadas (media cero y desviacin tpica y varianza igual a uno), se
estn seleccionando, de acuerdo con el criterio anterior, aquellos factores que explican, al
menos, tanto como una sola variable. Por ejemplo, si tenemos un modelo con diez variables, la
varianza total a explicar es 10. Si elegimos las componentes principales con un valor propio
superior a uno, estamos tomando aquellas que explican ms del 10% de la varianza.
Las comunalidades reflejan la parte de la varianza de las variables debida a los factores
comunes y toman un valor inicial igual a 1, ya que la variabilidad total puede ser explicada, en
principio, a partir de todas las componentes y, por tanto, de todos los factores.
25
De nuestras cinco variables, se ha extrado o retenido un solo factor o componente

principal, el cual tiene un valor propio de 4,146 y es capaz de explicar el 82,925% de la
variabilidad total de las variables. Slo hay un factor con autovalor o valor propio mayor que 1,
y ser el que escogeremos.
Una vez extrados los factores, obtenemos la matriz factorial que recoge la carga o
ponderacin de cada factor en cada una de las variables (igual al coeficiente de correlacin entre
las variables y los factores comunes). Para interpretar los factores tenemos que buscar las
variables ms correlacionadas con ellos. En este caso como hay slo un factor es lgico que
todas las variables estn en mayor o menor grado muy correlacionadas con l.
Puntuaciones factoriales
El anlisis factorial es en ocasiones un paso previo a otros anlisis, en los que se

sustituye el conjunto de variables originales por los factores obtenidos. Por ello es necesario
conocer los valores que toman los factores en cada observacin, esto es, las puntuaciones
factoriales.
Con las puntuaciones factoriales, podemos posicionar los distintos aos objeto de
estudio en el espacio reducido del factor seleccionado (es decir, podemos obtener el valor del
factor en cada ao).
Las puntuaciones obtenidas para el factor en cada ao se disponen a continuacin (por

el mtodo de regresin, aunque en el caso de componentes principales los tres mtodos arriba
mencionados son equivalentes):
Ao Puntuaciones
1964 -1,26882
1965 -1,11918
1966 -1,18934
1967 -1,12405
1968 -1,12840
1969 -1,14199
1970 -,85058
1971 -,69188
1972 -,81668
1973 -,87930
1974 -,94996
1975 -,76144
1976 -,77177
1977 -,58586
1978 -,54073
1979 -,54367
1980 -,43015
1981 -,20821
1982 ,13119
1983 ,24763
1984 ,32869
1985 ,82267
1986 ,89597
1987 ,84708
26
1988 ,93729
1989 1,12599
1990 1,30104
1991 1,39942
1992 1,39610
1993 1,58948
1994 1,47627
1995 1,38069
1996 1,12252
Grficamente:
2,0
1,5
1,0
,5
Factor
0,0
-,5
-1,0
-1,5
1964 1968 1972 1976 1980 1984 1988 1992 1996
1966 1970 1974 1978 1982 1986 1990 1994
Tiempo
Anlisis factorial 2
Desviacin
lpoblacio 3,595162 7,2063E-02 33
lempleoagrario -1,64884 ,45089861 33
27
lempleoa
lpoblacio grario
Correlacin lpoblacio 1,000 -,926
lempleoagrario -,926 1,000


59,288
gl 1
Sig. ,000
Comunalidades
Inicial Extraccin
lpoblacio 1,000 ,963
lempleoagrario 1,000 ,963

% de la % de la
1 1,926 96,283 96,283 1,926 96,283 96,283
2 7,434E-02 3,717 100,000
Compone
nte
1
lpoblacio -,981
lempleoagrario ,981
28

Compone
nte
1
lpoblacio -,510
lempleoagrario ,510

Anlisis factorial 2
El coeficiente de correlacin entre las dos variables es alto (-0,926).

29
La medida de adecuacin muestral KMO es igual a 0,5, valor que se encuentra dentro
de los lmites para aceptar como vlido el mtodo.
Se rechaza la hiptesis nula de ausencia de correlacin entre las variables. Es indicativo

de que podemos aplicar la tcnica del anlisis factorial a nuestras variables.
Extraccin de los factores comunes:
Las dos variables se resumen en un solo factor, el cual tiene un valor propio de 1,926 y es
capaz de explicar el 96,283% de la variabilidad total de las variables.
A partir de las comunalidades finales, se deduce que el factor seleccionado explica el

96,3% de la varianza de cada variable.
Puntuaciones factoriales:
Ao Puntuaciones
1964 1,74206
1965 1,64947
1966 1,56922
1967 1,44887
1968 1,34922
1969 1,23023
1970 1,09848
1971 ,96802
1972 ,84061
1973 ,70869
1974 ,58213
1975 ,41793
1976 ,26631
1977 ,10704
1978 ,00962
1979 -,09714
1980 -,21820
1981 -,26915
1982 -,33451
1983 -,36758
1984 -,40388
1985 -,44293
1986 -,60730
1987 -,70032
1988 -,77267
1989 -,90029
30
1990 -1,02556
1991 -1,15370
1992 -1,22506
1993 -1,23958
1994 -1,32074
1995 -1,43006
1996 -1,47925
1
Factor
-1
-2
1964 1968 1972 1976 1980 1984 1988 1992 1996
1966 1970 1974 1978 1982 1986 1990 1994
Tiempo
Anlisis factorial 3
Desviacin
lempind -1,40151 8,4070E-02 33
ltasamujeres -1,19868 ,14714393 33
lprodagrario -2,63021 ,49269560 33
lempind ltasamujeres lprodagrario

Correlacin lempind 1,000 -,582 ,602
ltasamujeres -,582 1,000 -,960
lprodagrario ,602 -,960 1,000
31


90,340
gl 3
Sig. ,000
Comunalidades
Inicial Extraccin
lempind 1,000 ,614
ltasamujeres 1,000 ,909
lprodagrario 1,000 ,921

% de la % de la
1 2,445 81,496 81,496 2,445 81,496 81,496
2 ,515 17,180 98,676
3 3,972E-02 1,324 100,000
Compone
nte
1
lempind ,784
ltasamujeres -,954
lprodagrario ,960
32

Compone
nte
1
lempind ,321
ltasamujeres -,390
lprodagrario ,393

Anlisis factorial 3
Podemos observar, en general, altas correlaciones entre las variables. Las ms altamente
correlacionadas son lprodagrario y ltasamujeres.
La medida de adecuacin muestral KMO es igual a 0,639, indicativa de la validez del

anlisis para las variables.
Se rechaza la hiptesis nula de ausencia de correlacin entre las variables. Es indicativo

de que podemos aplicar la tcnica del anlisis factorial a nuestras variables.
Extraccin de los factores comunes:

33
Las tres variables se resumen en un solo factor, el cual tiene un valor propio de 2, 445 y
explica el 81,496% de la variabilidad total de las variables.
A partir de las comunalidades finales deducimos que el factor seleccionado explica el

61,4% de la variable lempind, el 90,9% de la variable ltasamujeres y el 92,1% de la variable
lprodagrario.
Puntuaciones factoriales:
Ao Puntuaciones
1964 1,23908
1965 1,01483
1966 1,03083
1967 1,06192
1968 1,01908
1969 1,03611
1970 ,87600
1971 ,85627
1972 ,70947
1973 ,56560
1974 ,54620
1975 ,69680
1976 ,75110
1977 ,67633
1978 ,65074
1979 ,51041
1980 ,43028
1981 ,25107
1982 -,00657
1983 -,11651
1984 -,05380
1985 -,23748
1986 -,35516
1987 -,60977
1988 -,70919
1989 -,85274
1990 -,93586
1991 -1,17571
1992 -1,39379
1993 -1,62881
1994 -1,82918
1995 -2,01402
1996 -2,00352
34
0
Factor
-1
-2
-3
1964 1968 1972 1976 1980 1984 1988 1992 1996
1966 1970 1974 1978 1982 1986 1990 1994
Tiempo

Gasto Publico

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Gasto Publico

Cargado por

Copyright:

Formatos disponibles

1

UN MODELO DINMICO DE DETERMINANTES DE DEMANDA DEL

GASTO PBLICO EN ESPAA.

demanda se basan en la suposicin de que los gobiernos ajustan su tamao en respuesta

directa a la demanda de los ciudadanos, lo que Buchanan (1977) ha llamado gobierno

responsable, en contraste a un gobierno excesivo donde el gobierno opera

independientemente de la gente, produciendo resultados que no pueden relacionarse con

los deseos de los ciudadanos (Henrekson y Lybeck (1988)). Las explicaciones de

consideran como una funcin de los procesos tecnolgicos y econmicos naturales, de

los cambios en las preferencias y gustos de la gente expresados va instituciones de

ciudadanos. Desde un punto de vista analtico lo anterior es equivalente a suponer que la

oferta de bienes o servicios pblicos es perfectamente elstica.

Abizadeh y Basilevsky (1990) construimos un indicador sinttico del gasto pblico.

modelo factorial lineal multivariante tal como el anlisis factorial de componentes

principales o de mxima verosimilitud. La componente principal calculada puede ser

Hacemos un anlisis anlogo con relacin a las variables que influyen en el

limitacin de datos y el elevado nmero de componentes que influyen en el gasto

pblico, es necesario realizar una agrupacin homognea de las variables y una

posterior reduccin mediante el anlisis de componentes principales.

La utilizacin de componentes principales nos evita diversos problemas. Por un

aparte, la agrupacin de variables posibilita la eliminacin de los problemas de

correlacin que pudiesen existir entre dichas variables y, en consecuencia, los

problemas de errores en la estimacin de los coeficientes. Por otra parte, permite

estimar de forma global el efecto derivado de unas influencias determinadas, como es el

caso de la desagrarizacin o la estructura industrial en las que las variables

producen por la falta de grados de libertad en las regresiones de cointegracin

2. UN INDICADOR SINTTICO DEL GASTO PBLICO.

de capital y transferencias construimos, mediante anlisis factorial, un nico factor. Este

factor explica el 83% de la variabilidad total de las variables consideradas. En concreto

el 95,6% de la varianza del gasto en trminos constantes con respecto al PIB es

Se distinguen dos tipos de influencias posibles en el crecimiento de los gastos

gubernamentales: componentes institucionales y no institucionales. La aproximacin

institucional corresponde a una explicacin poltica en trminos de prcticas polticas,

grupos y reglas de conducta poltica (Borcherding (1985), Hackl, Schneider y Withers

preguntas. Cul es el impacto del aumento de la participacin poltica y de la

igualacin de los derechos polticos en el crecimiento del gasto pblico?. Cul es el

papel de la legislacin y de los acuerdos institucionales en la configuracin de las

diferentes trayectorias del gasto pblico?. La segunda corresponde a una explicacin de

tipo econmico al contener nicamente variables econmicas de carcter estructural que

reflejan las preferencias individuales subyacentes.

Para estudiar los determinantes econmico-estructurales podemos considerar varias

teoras individuales sobre el crecimiento del gobierno que no son mutuamente

excluyentes sino que, por el contrario, permiten formular un modelo conjunto

relativamente parsimonioso que las comprende a todas (Tussing y Hennig (1974),

Lowery y Berry (1983), Bocherding (1985), Abizadeh y Yousefi (1988), Henrekson y

Lybeck (198), Gemmell (1990), Hackl, Scheider y Withers (1995)). La consideracin de

diferentes variables del modelo. En primer lugar consideramos la ley de Wagner.

Wagner formul, hace aproximadamente 100 aos, su ley de expansin de la actividad

gobierno. Primero, la industrializacin y modernizacin llevara a una sustitucin de la

actividad privada por actividad pblica. La creciente complejidad de las relaciones

legales y contractuales aumentara la necesidad de mayor actividad pblica de

proteccin y regulacin. La urbanizacin y el aumento de la densidad de poblacin

resultante de la industrializacin llevara a mayores fricciones sociales lo que tendra

crecimiento de la renta real facilitara la relativa expansin del gasto en ciertas

demandas elsticas a la renta, tales como la educacin, la cultura y la redistribucin de

la renta. Finalmente, afirm que el desarrollo econmico y los cambios en la tecnologa

requieren al gobierno controlar y dirigir los monopolios naturales para aumentar la

eficiencia econmica (Henrekson y Lybeck (1988)). Tussing y Henning (1974)

formulan la ley de Wagner en forma sinttica. y muy expresiva: Cuando el desarrollo

econmico progresa y la nacin se hace ms unificada e interdependiente, el papel

integrador del estado debe expandirse, y el gasto pblico aumentar en proporcin al

output nacional, en particular en reas de gobierno general, regulacin y gastos en ley y

En Espaa se produce, a partir de los aos 50, un proceso de wagnerizacin de la

perodo de apertura y convergencia. Dentro de ese perodo, y a partir de la dcada de