Un ejercicio de series temporales para el estudio del impacto de los

procesos de regularizacin fiscal de la Ley 18/91 sobre el cumplimiento tributario

voluntario

Fernando Rodrigo Sauco, Universidad de Zaragoza

1.-Introduccin:
La concesin de una amnista fiscal1 no es una cuestin sencilla de defender por
la presencia e interrelacin de numerosos factores, que mantienen la incgnita sobre los
previsibles resultados de este tipo de medidas. A sus ventajas aparentes como pueden
ser la recuperacin relativamente rpida de pasivos fiscales o la incorporacin de
nuevos contribuyentes a las listas de hacienda, han de contraponerse, por ejemplo, los
temores sobre los efectos que tales medidas pueden tener sobre los individuos
normalmente honestos.
Los trabajos tericos que analizan el impacto econmico de los programas de
regularizacin se plantean como una extensin de la modelizacin clsica, a partir del
enfoque de utilidad esperada, de la decisin de evadir ingresos en la imposicin sobre la
renta, introducida por Allingham y Sandmo (1972). La heterogeneidad de resultados
sobre la incidencia de las amnistas en el cumplimiento tributario a largo plazo que
presentan este tipo de trabajos es un rasgo compartido con la escasa investigacin
emprica que sobre esta cuestin existe en la literatura.
En relacin con todo lo anterior, el anlisis de los efectos a largo plazo que sobre
el cumplimiento tributario puede tener la concesin de amnistas fiscales encuentra en
las tcnicas de series temporales una herramienta til y apropiada.
En concreto, en la investigacin presentada planteamos dos estructuras de series
temporales, como son los modelos univariantes ARIMA y los modelos de intervencin
para tratar de identificar los supuestos impactos que sobre la recaudacin tributaria por
el Impuesto sobre la Renta de las Personas Fsicas (IRPF) pudo tener el procedimiento
extraordinario de regularizacin contenido en la reforma de la imposicin personal
llevada a cabo en 1991.
A partir de aqu, el trabajo se estructura de la siguiente forma: dedicamos los dos
siguientes epgrafes a la seleccin de los principales resultados a los que llega la
investigacin econmica sobre amnistas fiscales en su doble vertiente, terica y
aplicada; posteriormente describimos sucintamente los procedimientos de

-1-
regularizacin recogidos en la Ley 18/91; en un quinto apartado describimos el trabajo
emprico de series temporales llevado a cabo a partir de la serie mensual de recaudacin
por IRPF del perodo 1979-1997; en un ltimo apartado realizamos una valoracin de
resultados del ejercicio y planteamos posibles extensiones del mismo.

2.-Revisin de resultados de los modelos tericos de regularizacin:

La modelizacin econmica sobre amnistas fiscales intenta dar respuesta terica
fundamentalmente a dos cuestiones como son los factores que intervienen en la decisin
de participar o no en los programas y las consecuencias que sobre las cifras de
recaudacin y sobre el grado de cumplimiento tributario ex post pueden introducir este
tipo de regulaciones.
En primer lugar, los trabajos que abordan la motivacin del individuo a la hora
de participar en una amnista se plantean como una extensin de la lnea de
investigacin iniciada con Allingham y Sandmo (1972) y su formalizacin de la
decisin evasora a partir de un problema de optimizacin de la utilidad esperada. Estos
autores intentan explicar la incidencia que sobre el comportamiento del individuo
pueden tener los cambios en los parmetros relevantes de una estructura fiscal genrica
-tipo impositivo, probabilidad de inspeccin y sanciones- introduciendo algn tipo de
supuesto sobre la aversin al riesgo del sujeto.
Desde esta perspectiva de la maximizacin de la utilidad esperada el efecto de
una amnista debera ser nulo: la participacin en una amnista nunca podr explicarse si
el contribuyente, en un contexto de informacin perfecta sobre los prametros
relevantes, ya tom la decisin de evadir evaluando todos los costes y beneficios
inherentes. Si, como consideran Alm y Beck (1991), el individuo revisa y corrige la
decisin primigenia de evadir a travs de un amnista se debe a que la misma sirve de
seal para anunciar un nuevo escenario fiscal: promesa de elevar el cuadro sancionador
en el futuro o un mayor esfuerzo inversor en las actividades inspectoras que elevan los
costes de la evasin.
Pero en las experiencias reales se da el hecho de que algunos contribuyentes
participan en las amnistas aun a pesar de que no se modifiquen los parmetros
coercitivos. As, podra darse el caso de que un evasor experimentara una mayor culpa
por su conducta fraudulenta de la inicialmente esperada y decidiera por ello participar
en la amnista. Esta situacin de aparicin del arrepentimiento ex post ha sido
modelizada por Malik y Schwab (1991) a travs del enfoque de utilidad adaptativa.

-2-
 En otras ocasiones, Andreoni (1991), la participacin en una amnista puede ser
una decisin racional si el contribuyente se ve sujeto a un shock aleatorio en su
consumo. Este shock ocurrira despus de la fecha de declaracin de sus ingresos pero
antes de que la amnista se ofreciera. Si la amnista se ofrece puede que el individuo
quiera declarar ahora ms ingresos si, por ejemplo, la aversin absoluta al riesgo,
depende de la renta.
El otro tpico analizado es el del impacto a corto y largo plazo de los programas
sobre las cifras de recaudacin de la imposicin sobre la renta. Alm y Beck (1990)
sealan que el anlisis terico no ofrece resultados concluyentes si el individuo debe
tomar una doble decisin conjunta acerca de lo que va a regularizar de su evasin
pasada y de lo que va a confesar como ingresos habituales en sus declaraciones
ordinarias. Por lo tanto, se cuestiona el argumento muchas veces utilizado por los
defensores de las amnistas que asegura que se producir un incremento recaudatorio si
paralelamente a la introduccin de la regularizacin se desarrollan otras medidas que
aumenten la severidad futura de sanciones e inspecciones.
Sin embargo, Olivella (1996) apunta que las amnistas podran considerarse
como el acompaante ideal a la hora de introducir esa mayor severidad en la lucha
contra el fraude. Este autor prueba que cuando aumentan los costes de evadir se da un
cierto efecto inercia ya que los individuos esperan un tiempo antes de materializar su
opcin por la honestidad. Si despus de que se haya endurecido la actividad inspectora,
se ofrece una amnista este efecto inercia habr sido paliado.
En este anlisis de las consecuencias futuras de una regularizacin, Stella (1991)
sostiene que la introduccin de una amnista podra ser considerada por muchos
contribuyentes como una seal de la debilidad de la administracin para obligar al
cumplimiento tributario en condiciones normales y desde ah podra modificar las
expectativas del sujeto acerca del xito de sus conductas evasoras. Las amnistas de esta
forma pueden daar el cumplimiento tributario posterior..
Si, adicionalmente, el individuo toma sus decisiones tributarias pensando que en
el futuro va a ser muy probable que se conceda una amnista y, de esta forma, es
perfectamente anticipada, Dasgupta y Mookherjee (1995) prueban que se va a dar una
acumulacin de activos opacos en los perodos previos para aprovecharse de las
rebajas fiscales que conceden los programas. De esta forma, las ganancias
recaudatorias directas del programa sern un tanto ilusorias. Sin embargo, Alm y Beck
(1990) demuestran que el signo de la derivada de los ingresos fiscales respecto a la

-3-
probabilidad de que se conceda una amnista en el futuro depende en buena medida de
las reformas tributarias que acompaan a los programas.
Malik y Schwab (1991) predicen que no ser el evasor acrrimo, sino el
contribuyente que evadi ocasionalmente en el pasado el que con mayor probabilidad
participar en la regularizacin. Al mismo resultado llegan Alm y Beck (1991)
utilizando una variante de la funcin de utilidad convencional. Si son los contribuyentes
ocasionales los que responden a los programas no es muy previsible una mejora
significativa de las cifras de recaudacin en el futuro.
La lectura conjunta de todos estos trabajos nos hace considerar que no existe un
modelo terico global que d un tratamiento conjunto a todos los posibles efectos -
costes y beneficios- que se le presumen a una amnista, y que tenga capacidad para
predecir la incidencia de la misma en el largo plazo.

3.-Revisin de resultados de la investigacin aplicada sobre efectos a largo

plazo introducidos por las amnistas fiscales:

En general, existe un consenso en la literatura acerca de que el xito de una

amnista no se puede medir slo por los ingresos directos recaudados durante el curso
del programa. Los resultados de la regularizacin deben tener muy en cuenta los efectos
que se provocan sobre el cumplimiento tributario a largo plazo.
El impacto de los programas en una perspectiva de largo plazo ha sido abordado
por pocos trabajos. Las investigaciones que intentan hacer frente a tal cuestin se
encuentran con el problema de no disponer de una base de datos que permita observar el
comportamiento de participantes y no participantes despus de una amnista, en un
plazo de tiempo suficientemente extenso.
Las aproximaciones a este problema han venido, bien va experimentos de
laboratorio, bien va ejercicios economtricos -modelos estructurales convencionales o
de series temporales-, mtodos ambos que permiten solventar la citada dificultad.
As, Alm, Mckee y Beck (1990) realizan un experimento de laboratorio, a travs
de la participacin de estudiantes universitarios a los que se les propone su intervencin
en un juego fiscal que reproduce a grandes rasgos la estructura de los impuestos sobre la
renta estadounidenses. A cada individuo se le da una renta inicial a la que se le aaden
una serie de ingresos en cada ronda. El individuo decide declarar todo o parte de su
renta. Se le grava a un tipo del 30% y existe tanto un cuadro sancionador como unas
probabilidades de inspeccin. Los investigadores observaron que si se introduca una

-4-
amnista en una ronda los niveles de cumplimiento globales descendan. Este descenso
era ms acusado en aquellos individuos con un cumplimiento tributario moderado antes
de la amnista. Los que antes de la misma, o cumplan o evadan casi en su totalidad no
se vean afectados.
En cuanto a la revisin de otros resultados, existen discrepancias en los trabajos
que ofrecen una medicin de los efectos positivos inducidos por las amnistas sobre la
recaudacin futura. Para Fisher, Godderis y Young (1989) la amnista concedida en el
estado de Michigan en 1986 tuvo un efecto positivo sobre las cifras de recaudacin
anual del impuesto sobre la renta traducido en una subida en las mismas del 0,2%.
Pommerehne y Zweifel (1991) sostienen que la amnista concedida en Suiza en 1968,
contribuye a que la diferencia entre ingresos reales y declarados se minore en un 8,3%.
La explicacin de tal diferencia entre ambos resultados radica, para Pommerehne y
Zweifel, en el carcter "democrtico"2 de la amnista suiza.
Leonard y Zeckhauser (1987), a travs de unos clculos muy sencillos, prueban
que en la experiencia norteamericana sobre amnistas estatales concedidas durante la
dcada de los ochenta se puede observar un crecimiento en media de los ingresos
fiscales un 0,5% superior para los estados que regularon estas medidas frente a los que
no lo hicieron.
Sin embargo, Das Gupta y Mookherjee (1995) asocian al repetido uso de las
amnistas en su pas, India, con el progresivo debilitamiento del cumplimiento
tributario. Mientras que la recaudacin directa de los programas indios se hace cada vez
menos significativa, los numerosos efectos indirectos negativos de las mismas podran
explicar una disminucin anual de la recaudacin por su impuesto sobre la renta de un
10%.
De especial inters para el trabajo economtrico que posteriormente se presenta
es la aportacin de Alm y Beck (1993). Su utilizacin de mtodos de series temporales
para la experiencia del estado de Colorado -1985- sirve para describir el escenario
posterior a la concesin de la amnista. El resultado de mayor inters es la no influencia
de la citada medida sobre las cifras de recaudacin del impuesto sobre la renta en los
aos posteriores a 1985. Este resultado es la consecuencia de identificar los mismos
procesos estocsticos para la serie de recaudacin anterior y posterior a la regularizacin
y la no significatividad de las variables de intervencin especificadas para recoger los
distintos impactos potencialmente asociados a su introduccin.
Como vemos la heterogeneidad de resultados tampoco se aparta de la vertiente
emprica de la investigacin. En buena medida, esta heterogeneidad es consecuencia de
-5-
que se parte casi siempre de experiencias difciles de comparar en cuanto a las
condiciones previas y posteriores a la concesin de la amnista y al propio diseo de la
misma.

4.-Descripcin de los procedimientos de regularizacin contenidos en la Ley

18/91:
En la experiencia espaola a partir de la reforma fiscal iniciada en 1977
encontramos en dos leyes medidas que podran caracterizarse como amnistas de
carcter temporal. En concreto, estas leyes son:
-Ley 50/77, de 14 de noviembre, sobre Medidas Urgentes de Reforma Fiscal.
Las medidas de perdn fiscal introducidas en esta ley se sitan en un momento en el que
se intenta modificar y favorecer el marco de relaciones habituales entre Hacienda y los
contribuyentes.
-Ley 18/91, de 6 de junio, del Impuesto sobre la Renta de las Persona Fiscales.
En este caso se trata de una regularizacin con un objetivo bien concreto, como es la
afloracin de determinadas rentas localizadas en activos opacos muy especficos, en un
contexto econmico general caracterizado por la presencia de un elevado volumen de
dinero negro. Como seala Olivella (1992) este dinero negro se canalizaba
preferentemente a travs de activos sin retencin y no nominativos. La mayora de estos
activos era de carcter privado -cesiones de crdito, primas nicas o depsitos
innominados-, aunque paradjicamente, exista uno de carcter pblico: los Pagars del
Tesoro.
El mantenimiento de una situaci n en la que las propias Administraciones
Pblicas emitan ttulos de bajo rendimiento a cambio de garantizar su total opacidad
fiscal, supona una contradiccin con un sistema fiscal inspirado en el principio de
igualdad, por lo que, con el propsito de dar solucin a esta situacin, se introduce a
travs de dos enmiendas presentadas al Proyecto de Ley del Impuesto sobre la Renta de
las Personas Fsicas en el Senado, la referida regularizacin fiscal, articulada en las
Disposiciones Adicionales 13 y 14.
A travs de la Tabla 1 presentamos los rasgos ms significativos de los dos
procedimientos de regularizacin recogidos en las referidas disposiciones.
La va de regularizacin recogida en la Disposicin Adicional 13 estaba
destinada a aquellos contribuyentes -personas fsicas o jurdicas- residentes durante
1990 en territorio comn, que tuvieran fondos colocados en Pagars del Tesoro o en
activos de naturaleza anloga emitidos por las Diputaciones Forales del Pas Vasco o la
-6-
 Comunidad Foral de Navarra -Pagars forales o AFROS forales-. El gobierno emita
otro activo a seis aos, la Deuda Pblica Especial, por la que podan ser canjeados los
Pagars.

Tabla 1 . Descripcin de las medidas de perdn fiscal contenidas en la Ley

18/1991

Disposicin Adicional 13 Disposicin Adicional 14

Dirigida a contribuyentes con fondos invertidos en Va ya existente en nuestra legislacin (Ley General
Pagars del Tesoro. Posibilidad de canje por Deuda Tributaria (LGT), Art. 61.2): regularizacin
Pblica Especial (DPE) extempornea por medio de declaracin
complementaria
Caractersticas de la DPE:
A los ingresos regularizados no se les aplicaban
No era negociable intereses de demora

Rentabilidad del 2% anual. Rendimientos no Posibilidad de regularizar por cualquier concepto

quedaban sujetos ni al Impuesto sobre la Renta de
las Personas Fsicas ni al Impuesto sobre
Sociedades.
No exista retencin. Las entidades financieras no
tenan obligacin de comunicar las operaciones a
la Administracin. La lista de suscriptores se
depositaba en el Banco de Espaa.
Fecha de amortizacin: 28-VI-97
tributario devengado antes del 1 de enero de 1990
Slo vlido para rentas no afectadas por procesos de
investigacin abiertos
Si una vez presentada la complementaria, la
inspeccin pona de manifiesto rentas netas no
declaradas, el contribuyente poda neutralizarlas
mediante los incrementos patrimoniales declarados
en las complementarias

Si se amortizaba por anticipado, se perda el No se interrumpan los plazos de prescripcin de la

rgimen fiscal especial deuda tributaria

La suma invertida no quedaba sujeta al Impuesto El pago poda aplazarse hasta un total de 4 aos
sobre el Patrimonio (inters aplicado en este caso: 12%)

Titulares no quedaban libres de inspeccin, pero las Nueva redaccin del art. 61.2 de la LGT:
cantidades colocadas se consideraban a cuenta del endurecimiento de los recargos
dinero negro detectado en una investigacin

Medidas complementarias introducidas:

Compromiso de aumentar la eficacia de la gestin tributaria: creacin de la Agencia Estatal de

Administracin Tributaria y liberacin de un nmero importante de inspectores por la creacin de la
Estimacin Objetiva, modalidad Signos, ndices y Mdulos..
Compromiso de no incluir en los prximos planes de inspeccin a quien se presumiera hubiera
regularizado correctamente.
Campaa publicitaria intensa y selectiva, apoyada por la aparicin en prensa de numerosas
actuaciones exitosas de la inspeccin en fechas recientes.

-7-
 El fin de la opacidad no se poda realizar bruscamente, ya que los titulares de
Pagars y AFROS haban invertido el dinero bajo la expectativa, creada por los propios
poderes pblicos, de que el inters percibido era neto de impuestos. Por ello, se
conceda a dichos titulares la posibilidad de mantener tal opacidad, a travs del canje
por el nuevo activo y con ciertas condiciones, para pasados unos aos declarar sus
inversiones como cualquier otro activo transparente. Como ltima opcin, siempre caba
amortizar los ttulos en el plazo y condiciones fijadas en su emisin, conservando
tambin la opacidad hasta su completa amortizacin.
En el caso de la Disposicin Adicional 14 el perdn fiscal se instrumentaba a
travs de una va ya existente en nuestra legislacin: la regularizacin extempornea por
medio de una declaracin complementaria, es decir una declaracin-liquidacin
realizada fuera de plazo y sin requerimiento previo. La novedad aportada en esta
ocasin era que a las complementarias que se presentaran durante el perodo regulado
no se les iban a aplicar intereses de demora, ni tampoco sancin alguna.
El perodo de regularizacin abarc los meses de junio a diciembre de 1991.
Recogemos, a travs de la Tabla 2, los datos aportados en abril de 1992 por
parte de la Secretara de Estado de Hacienda, respecto a las cifras globales del proceso
de regularizacin.

Tabla 2 . Resultados del proceso de regularizacin instrumentado por la Ley

18/91.

Millones

Volumen de fondos aflorados en todo el territorio nacional: 1.733.927,7

-por emisin de Deuda Pblica Especial 1.037.974,9
-bases imponibles por complementarias 695.952,8
Volumen de fondos aflorados en el territorio comn: 1.517.238,7
-por emisin de Deuda Pblica Especial 878.471,7
-bases imponibles por complementarias (1) (2) 638.767
Volumen de fondos aflorados en los territorios forales: 216.689
-por emisin de Deuda Pblica Especial 159.503,2
-bases imponibles por complementarias (1) 57.185,8

(1) Datos estimados.

(2) nicamente se han incluido las bases imponibles afloradas por IRPF, IS e IEPPF.

Fuente: Prez y Prez (1992, p.114).

-8-
 5.-Descripcin del ejercicio economtrico planteado:
Como sealbamos en el apartado introductorio, el anlisis de series temporales
puede resultar una herramienta til para la deteccin de posibles efectos que sobre el
cumplimiento tributario a largo plazo provocan los programas de regularizacin. En
concreto, respecto a la experiencia espaola anteriormente descrita, y para la
consecucin de este objetivo de deteccin nos podemos servir de los siguientes procesos
e instrumentos relacionados con este anlisis temporal:
identificacin de los procesos estocsticos generadores de la series mensuales de
recaudacin por IRPF: serie global del perodo analizado (enero de 1979 a
diciembre de 1998) y series previas y posteriores a la concesin de la amnista
(enero de 1979 a mayo de 1991 y junio de 1991 a diciembre de 1998,
respectivamente)
contraste de la hiptesis de ruptura estructural: test de Chow
utilizacin del proceso estocstico identificado en la serie previa a la amnista para
la prediccin de la serie posterior: adecuacin de la prediccin
anlisis de intervencin para poder precisar el comienzo y forma del efecto
amnista sobre la serie de recaudacin por IRPF
La fuente estadstica con la que trabajamos es una serie mensual de recaudacin
por IRPF que abarca el perodo 1979-1998, y que ha sido publicada tanto por la
Inspeccin General del Ministerio de Economa y Hacienda perodo 1979-1990-, como
por el Servicio de Auditora Interna del mismo Ministerio perodo 1992-1998. Dicha
serie contiene, obviamente, la recaudacin directa del perodo de regularizacin, que se
prolong del 8 de junio al 31 de diciembre de 1991. La serie ha sido deflactada
utilizando el ndice General Nacional de Precios, publicado por el Instituto Nacional de
Estadstica (base 100 para mayo de 1992).

5.1. Identificacin del proceso estocstico subyacente a la serie de

recaudacin real por IRPF. Contraste de ruptura estructural. Recaudacin
predicha en el perodo posterior a la amnista.
Los mtodos paramtricos de serie temporales 3, o metodologa Box-Jenkins,
parten de los movimientos pasados de una variable, como nica base informativa, para
predecir su comportamiento futuro. A diferencia de los modelos que predicen dicho
comportamiento relacionando la variable dependiente en cuestin con toda una serie de
variables a travs de una estructura causal, las series temporales slo utilizan valores
observados en perodos previos de la propia variable endgena. La ventaja de este
-9-
enfoque es evidente: no se enfrenta a la dificultad de tener que encontrar series
histricas de datos para un conjunto ms o menos amplio de variables causales.
En general, esta tcnica constituye un procedimiento iterativo en tres etapas -
identificacin, estimacin y diagnstico de la serie temporal- que queda descrito a
travs del Grfico 1.
Como vemos a travs de este grfico, el objetivo del anlisis estocstico de
series temporales es el de inferir a partir de una serie temporal las caractersticas de la
estructura probabilstica subyacente. Se trata, en definitiva, de inferir las propiedades de
la poblacin -proceso estocstico- a travs de la muestra -serie temporal-. El enfoque de
series temporales univariantes contempla a stas como una realizacin de un proceso
estocstico lineal especfico ARIMA(p,d,q) x ARIMA(P,D,Q)s, o bien, caso de que la
serie no presente estacionalidad, de un proceso ARIMA(p,d,q). Los instrumentos
fundamentales para la identificacin de los modelos ARIMA, son la funcin de
autocorrelacin muestral (FACM) y la funcin de autocorrelacin parcial muestral
(FAPM) 4 .
Utilizando esta metodologa podremos saber a travs de los datos seriales si los
procesos ARIMA que explican la recaudacin por IRPF en los perodos anteriores y
posteriores a la amnista son similares. Despus de identificar los modelos podemos
realizar un contraste clsico de ruptura estructural a travs del test de Chow y como una
prueba ulterior de permanencia serial se examina la bondad de las predicciones
efectuadas para el perodo posterior a mayo de 1991 a partir del modelo identificado en
el perodo previo a la regularizacin. Un buen ajuste de las predicciones a lo realmente
ocurrido sera prueba de que la amnista no produjo impactos relevantes sobre la
recaudacin.
A la hora de explicar sucintamente el proceso seguido para la identificacin de
los modelos, y que ha de seguir y superar cada una de las fases descritas en el Grfico
1, hemos de decir que una primera transformacin realizada en nuestra serie ha venido
motivada por la aparicin de datos de recaudacin negativa en algunas observaciones
(meses de devoluciones a los individuos por declaraciones negativas), que dificultan el
sometimiento de los datos a determinados contrastes. Para solucionar este problema
hemos convertido cada observacin en una recaudacin acumulada de 12 meses: cada
dato contiene la recaudacin mensual propia, la de los seis meses anteriores y la de los
cinco siguientes (tcnica de transformacin en flujo mvil).

- 10 -
 Grfico 1. Esquema general de la metodologa Box-Jenkins (Aznar y Trvez,
1993, p.150).

Serie temporal de datos

Transformacin de la serie

Seleccin
Identificacin

Es estacionaria la serie? de
No
d, D y .
S

Determinacin de p, q, P y Q
Estimacin

Estimacin de los parmetros del

modelo

No

Chequeo Es el modelo adecuado?

Obtencin de las predicciones

Prediccin

No
Evaluacin de la prediccin:
predice el modelo de forma
satisfactoria?

- 11 -
 Adicionalmente, podemos ver en el Grfico 1 que todo el proceso de
identificacin requiere que el proceso estocstico analizado sea estacionario. Si
trabajamos con unos procesos estocsticos tan particulares como son los estacionarios,
el nmero de parmetros a describir se reduce considerablemente. Por lo tanto, el primer
cometido del trabajo ser el de analizar la estacionariedad 5 o no de la serie temporal.
En el Anexo de la investigacin se recogen los instrumentos utillizados para examinar
la estacionariedad o no de la serie en media y en varianza y las transformaciones
llevadas a cabo en su caso para conseguir que los datos se ajustan a esta propiedad
matemtica.
Una vez transformada la serie en estacionaria, en media y varianza, habr que
averiguar los posibles valores tanto de la parte regular del modelo (autorregresiva, p, y
medias mviles, q) como de la parte estacional, caso de que exista (autorregresiva, P, y
medias mviles, Q)6. Para tal propsito nos hemos de servir de la representacin grfica
de las funciones de autocorrelacin -correlogramas- y su adecuacin a alguno de los
procesos tericos conocidos (ver Anexo). Con ello finaliza la etapa de identificacin.
Una vez identificados los modelos presentamos a travs de la Tabla 3 la
estimacin paramtrica efectuada y los contrastes de significatividad asociados.

Tabla 3. Estimaciones de los coeficientes significativos en los distintos

perodos considerados.

Valor en perodo Valor en Valor en Valor de t en Valor de t en Valor de t en

global perodo perodo perodo global perodo previo perodo
(1-79,12-98) previo posterior posterior
(1-79, 5-91) (6-91, 12-98)
Constante 14.230,55 32.165,51 3,82 3,30

1 0,35 2,92

1 -0,52 -0,96 -6,34 -10,27

2 -0,48 -5,82

1 0,4998 -0,69 8,42 -6,40

La lectura de la Tabla, nos permite identificar los siguientes procesos

estocsticos:
-perodo global (1-79, 12-98)): ARIMA(0,1,0)x(0,0,1)12 , con constante (1)

- 12 -
 -perodo previo a la amnista: (1-79,5-91): ARIMA(0,1,0)x(1,0,0)12 , con
constante (2)
-perodo posterior a la amnista: (6-91,12,98): ARIMA(0,1,1)x(2,0,1)12 (3)
Como conclusin de esta identificacin, parece confirmarse la existencia de las
estructuras estocsticas distintas. Por lo tanto, el primero de los instrumentos de
contraste de permanencia estructural en la serie de recaudacin se inclinara a sealar la
presencia de una estructura temporal diferente para los perodos previos y posteriores a
la concesin de la amnista.
Con la estimacin ya efectuada, hemos de realizar un chequeo de los resultados:
nos hemos de preguntar por la adecuacin de tales estructuras a las condiciones
matemticas que se supone deben cumplir los residuos generados por las mismas 7.
Hemos vuelto a reflejar en el Anexo los contrastes y otros instrumentos que prueban la
superacin de este etapa y la confirmacin de las estructuras reflejadas anteriormente.
Podramos plantear seguidamente el test de Chow como una nueva confirmacin
de la proposicin de ruptura estructural tras la actuacin de la amnista. Este test obliga
a estimar las tres series de datos con el proceso estocstico identificado para el perodo
global considerado y, desde ah, calcular la suma residual (SR) de cada una de ellas.
El test de Chow hace que rechacemos la hiptesis nula de ausencia de ruptura
estructural si el siguiente estadstico F:
SRserie total ( SR1 serie + SR2 serie ) T 2 K
F= , es superior al valor de tablas de
( SR1 serie + SR2 serie ) K
F(K,T-2K)
donde T es el nmero de observaciones y K el nmero de parmetros. En nuestro
caso, el valor de este estadstico es superior a F2,224 (=0,05 )=3, por lo que se confirma
tambin con este instrumento la existencia de series distintas en los perodos anteriores
y posteriores a la concesin de la amnista.
La ltima de las fases del mtodo Box-Jenkins, centrada en la prediccin de
valores futuros de la serie a partir de la estructura ARIMA estimada, puede tener, como
ya hemos justificado, una interpretacin orientada al objetivo que estamos persiguiendo.
Si con el modelo estimado para la primera serie no somos capaces de predecir
razonablemente bien la recaudacin real observada en el segundo perodo, podremos
decir que siguen existiendo claras evidencias de ruptura estructural en la serie.
Pero antes de realizar este ejercicio predictivo es conveniente realizar un anlisis
de deteccin de las posibles observaciones atpicas outliers- que, aunque presentes en
la serie de estudio, son de un imposible conocimiento apriorstico.
- 13 -
 Dicho de otra forma, las series temporales frecuentemente se hallan
influenciadas por sucesos externos que pueden incidir en el comportamiento normal de
la misma. Puede ser que cuando intentemos describir la serie en cuestin no sepamos
muy bien el perodo temporal en qu se produce tal suceso, pero que s tengamos clara
su existencia al observar datos alejados del comportamiento ordinario de la variable.
Por lo tanto, cuando se desconoce tanto el momento como la causa de la
perturbacin tendremos que abordar el anlisis de outliers de la serie temporal. Todo
parece indicar que en nuestro ejercicio la deteccin y especificacin de estos atpicos
podran contribuir a explicar determinados comportamientos de la recaudacin y, desde
ah, favorecer la consecucin de los objetivos del trabajo 8. Hemos vuelto a reflejar en el
Anexo la deteccin de outliers llevada a cabo en el ejercicio y una discusin sobre los
resultados e implicaciones de este anlisis.
Por otra parte, el programa economtrico SCA permite, una vez incorporadas a la
estimacin las outliers detectadas, tanto la obtencin de las predicciones puntuales
ptimas realizadas para un perodo hacia adelante, como la desviacin tpica del error
asociado a esa prediccin. Dicho error de prediccin se define como:
eT(1) =zt+1 -zt(1), donde zt(1) es la prediccin efectuada desde el perodo T para
un perodo futuro con toda la informacin disponible en T. En nuestro caso partimos de
la informacin proporcionada por el modelo estimado hasta T=138 y realizamos la
prediccin del perodo T+1=139. Si, adicionalmente, conozco la desviacin tpica del
error de prediccin, podr definir un intervalo de confianza donde, con un nivel de
significacin determinado, encontrar los verdaderos valores de la serie que estoy
prediciendo.
Si repetimos el ejercicio para T+1=139,...,229, y observamos el itinerario
seguido por la recaudacin real de la segunda serie y el que describen los lmites del
intervalo de confianza anterior, podremos realizar alguna consideracin acerca de la
adecuacin de la serie real al comportamiento esperado por la prediccin.

En efecto, con el Grfico 2 podemos contrastar visualmente el comportamiento

de las predicciones. Del mismo parece inferirse, aunque no con excesiva rotundidad,
que conforme se avanza en el tiempo las bandas de significacin se hacen mayores, y
que, por lo tanto, tambin la varianza del error de prediccin va creciendo
ininterrumpidamente. El anlisis del error cuadrtico medio (ECM), que es un indicador

- 14 -
 Grfico 2. Representacin de las predicciones efectuadas para el perodo
posterior a la amnista e intervalo de confianza asociado.
5.500.000

5.300.000

5.100.000

4.900.000

4.700.000

4.500.000

4.300.000

4.100.000

3.900.000

3.700.000

3.500.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91

Recaudacin observada Lmite inferior I.C. Lmite superior I.C.

no paramtrico de calidad de las predicciones, confirma con mayor precisin este

deterioro del grado de exactitud con que se predice la serie posterior de la amnista a
partir del modelo estimado para la serie previa, al aumentar su valor a lo largo de este
perodo posterior en un 259% 9 .

Por lo tanto, el ejercicio de prediccin parece darnos un nuevo indicio de no

permanencia estructural en el perodo analizado al no demostrarse la adecuacin del
modelo estimado en los perodos previos a la amnista para predecir lo que ocurre en los
posteriores.

5.2. Explicacin de los impactos de la amnista fiscal a travs de modelos de

intervencin.
Si realizamos un ejercicio de recopilacin de lo obtenido hasta ahora podramos
mantener que, si bien hemos identificado dos estructuras estocsticas de series
temporales distintas para los perodos previos y posteriores a la concesin de la amnista
de junio de 1991, que parecen confirmarse a partir de los test de ruptura estructural y de
los ejercicios predictivos realizados, no es menos cierto que todava no tenemos pruebas
economtricas concluyentes para atribuir tal ruptura estructural a la exclusiva presencia
de la regularizacin fiscal.

- 15 -
 En este sentido, y de modo complementario, el anlisis de modelos de
intervencin constituye un nuevo enfoque para el estudio de los impactos de una
amnista.
Si cuando describamos el estudio de las outliers sealbamos que su
caracterizacin vena dada por el desconocimiento tanto de su momento de aparicin
como de la forma general de su impacto, ahora, sin embargo, el anlisis de las
intervenciones configura stas como sucesos externos, que influyen sobre la serie
temporal, pero de los que se conoce tanto su comienzo como el prfil de su
comportamiento.
Normalmente, se parte de su formalizacin a travs de variables dummy cuya
interaccin con otros parmetros puede dar lugar a la tipologa recogida en la Tabla 4.
Si pretendemos recoger un impacto permanente de la intervencin la dummy utilizada
tendr la forma de una variable escaln definida como:
Stt 0 ={0 antes del suceso, 1 despus del suceso}, t 0 perodo de comienzo de la
intervencin.
Si por contra queremos recoger un impacto temporal utilizaremos una variable
impulso definida como:
I tt 0 ={1 en el perodo de ocurrencia del suceso, 0 en los dems perodos}, t 0
perodo de ocurrencia de la intervencin.

Tabla 4. Tipologa de los modelos de intervencin (Aznar y Trvez, 1993, p-

313).

Duracin del efecto

Comienzo efecto Permanente Temporal
Brusco I III
Gradual II IV

De esta forma, una intervencin discreta como la de una amnista podra

representarse como un efecto aditivo sobre la recaudacin tributaria. Tal
caracterizacin, partiendo de junio de 1991 como fecha de comienzo de la intervencin,
deber ser introducida en el modelo estimado para el perodo global de recaudacin
ARIMA (0,1,0)x(0,0,1) con constante- atendiendo a las distintas tipologas presentadas

- 16 -
en la Tabla 4, ya que a priori desconocemos la forma del modelo de intervencin. En
concreto, desconocemos si una amnista puede dejar un impacto temporal sobre la serie
de recaudacin por IRPF, o se trata ms bien de un impacto permanente.
Descrito el planteamiento general de este nuevo ejercicio presentamos en la
Tabla 5, las distintas intervenciones con las que hemos probado el efecto amnista.
Como nota explicativa hemos de sealar que para cualquier modelo el impacto
de la amnista vendr explicado por el coeficiente w1 que acompaa a estas dummy de
intervencin y que para los modelos I a IV se ha probado no slo con t 0 =junio 1991
primer mes de regularizacin- sino con t 0 =junio 1991 a diciembre 1991, ya que ste fue
el plazo legal que abarc el proceso. De esta forma recogemos la posibilidad de que el
impacto de la amnista pudiera empezar a actuar con cierto retardo.
Hemos incorporado un modelo V que intenta recoger si la amnista tuvo un
efecto significativo aislado en alguno de los meses de concesin y un modelo VI que,
debido a la forma de la variable escaln introducida valor 1 para los perodos de
regularizacin y 0 en el resto, recoge si el impacto estuvo limitado slo durante los
meses de concesin efectiva.

Tabla 5. Posibles formalizaciones de la intervencin introducida con la

amnista fiscal de junio de 1991.

Identificacin del efecto amnista Modelo estocstico resultante

Modelo I. Comienzo brusco y duracin permanente t0 12
(1 L ) y t = + w1 (1 L )
S t
+ (1 1 L )u t

Modelo II. Comienzo gradual y duracin permanente t0 12

(1 L )(1 L ) y t = + w1 (1 L)
S t
+ (1 L)(1 1 L )u t

Modelo III. Comienzo brusco y duracin temporal t0 12

(1 L )(1 L ) y t = + w1 (1 L )
I t
+ (1 L)(1 1 L )u t

Modelo IV. Comienzo gradual y duracin temporal (1 1 L 2 L2 )(1 L) yt = + w1 (1 L)

t0
+
I t

(1 1 L 2 L )(1 1 L )ut
2 12

Modelo V. Intervencin de efecto limitado a un slo t0 12

(1 L ) yt = + w1 (1 L)
I t
+ (1 1 L )u t

perodo
150156
Modelo VI. Intervencin de efecto limitado al perodo 12

de regularizacin
(1 L ) y t = + w1 (1 L)
S t
+ (1 1 L )u t

Debido a razones de simplicidad no introducimos todos los resultados

conseguidos, pero como conclusin ms relevante sealamos que, en ninguno de los
modelos hemos sido capaces de captar un efecto amnista significativo ( t-valor de w1
siempre inferior a 2 y, por lo tanto, no se puede rechazar la hiptesis nula de ausencia de
- 17 -
significatividad). Es ms, si consideramos que a travs del modelo V captamos los
impactos sobre los propios meses de concesin, ni siquiera podemos sostener que la
amnista tuvo un impacto a corto plazo sobre los contribuyentes.

6.-Valoracin de resultados del ejercicio y posibles extensiones del mismo:

Una vez completados los procedimientos anteriores y obtenidos los resultados,
que pueden tener a priori implicaciones contradictorias, realizamos una lectura conjunta
de los mismos al objeto de formular explicaciones consistentes.
Por un lado, el trabajo con la metodologa Box-Jenkins y, concretamente, con los
tres instrumentos de estabilidad estructural utilizados identificacin de los modelos
ARIMA de los diferentes perodos, test de Chow y prediccin de la serie opuesta- nos ha
llevado a afirmar que la serie no puede ser explicada por el mismo proceso estocstico
en los perodos anteriores y posteriores a la amnista fiscal de 1991. Dicho de otra
forma, hay claros indicios de ruptura estructural si elegimos como punto de corte el
perodo de regularizacin.
Pero no es menos cierto que la ausencia de estabilidad estructural en la serie es
equivalente a la presencia de una variable ficticia, cuyo impacto en la serie sea
permanente a partir de su aparicin, y que resulte significativa. Los resultados logrados
con los modelos de intervencin nos indican que tal variable no est presente en
ninguno de los meses del perodo de regularizacin.
Por lo tanto, al no poder vincularse la ruptura estructural de la serie con la
concesin de la amnista, y como una primera conclusin del ejercicio efectuado, parece
no poder demostrarse que la regularizacin de 1991 tuviera algn impacto, positivo o
negativo, sobre el cumplimiento tributario posterior en el IRPF. Adicionalmente, los
modelos de intervencin nos estn sealando que la amnista ni siquiera repercuti en la
recaudacin de los meses afectados por el perodo de regularizacin.
La segunda implicacin del ejercicio es que ya que hemos descrito que la serie
de recaudacin no se comporta ni mucho menos de la misma forma durante todo el
perodo analizado, debemos encontrar ahora qu otros sucesos legislativos de cambio de
las reglas de juego del IRPF han podido modificar significativamente el
comportamiento de las cifras impositivas.
La formulacin de hiptesis alternativas de ruptura estructural exige la repeticin
del trabajo emprico antes descrito para dos nuevos puntos de corte propuestos: los
cambios introducidos en el sistema fiscal en el perodo impositivo 1985, cuyo

- 18 -
denominador comn era la intensificacin de la lucha contra el fraude, y los inducidos
por la Ley 20/89, de 28 de julio, que adaptaba el IRPF a la Sentencia del Tribunal
Constitucional n 45/1989 que declaraba inconstitucionales diversos preceptos de la Ley
44/78 primera Ley democrtica del impuesto- vinculados a la obligacin de
declaracin conjunta, y que supuso una autntica transformacin del esquema
liquidatorio del tributo.
Para estos nuevos puntos de corte podran existir evidencias de ruptura
estructural asociadas si atendemos a una nueva interpretacin global de los resultados
ofrecidos por el instrumental economtrico utilizado. As, los resultados obtenidos en el
proceso de identificacin de outliers, que se discuten en el Anexo del ejercicio, pueden
ser especialmente tiles en este nuevo intento explicativo ya que, como se justifica,
determinados atpicos pueden estar vinculados con sucesos que dejan un impacto
permanente en la recaudacin (outliers IO y LS). En la Tabla A.3 se puede observar una
presencia de estos atpicos permanentes en perodos que podran tener alguna conexin
con los nuevos puntos de corte propuestos.
Es en este nuevo intento de identificacin y ratificacin de hiptesis alternativas
donde concentramos actualmente los esfuerzos de nuestra investigacin.

- 19 -
1
Podemos caracterizar una amnista fiscal como una medida legislativa por la que se regula un perodo
temporal durante el cual, la agencia tributaria condona penas o sanciones de carcter civil o criminal a los
contribuyentes que admitan voluntariamente no haber pagado la deuda impositiva correspondiente a
impuestos de perodos precedentes, o haberlo hecho parcialmente, a cambio de una regularizacin de
estos pasivos tributarios.
2
En efecto, en Suiza los propios ciudadanos, y en varias ocasiones, han sido llamados a referndum para
someter a votacin la conveniencia o no de conceder una amnista fiscal a nivel nacional.
3
Bajo esta concepcin la serie temporal se define como la realizacin concreta de un proceso estocstico.
A su vez, un proceso estocstico es una familia de variables aleatorias {yt }, tal que para cada serie finita
de elecciones de t (t1 , t2 ,...,t n ) se define una distribucin de probabilidad conjunta para las
correspondientes variables aleatorias (y t1 , yt2 ,...,ytn ).
4
La autocorrelacin de orden j (p j ) es la correlacin separada j perodos de la misma serie temporal . Esto
es:
Cov ( yt yt j )
p j = Corr ( yt , yt j ) =
Var ( yt ) Var ( yt j )
Al conjunto de autocorrelaciones obtenidas para distintos valores de j se le denomina funcin de
autocorrelacin (FAC). Obviamente, nosotros trabajamos con una muestra concreta del proceso
estocstico, por lo que deberemos realizar un estimacin de la citada autocorrelacin p j . De esta forma se
define la autocorrelacin muestral de orden j:
T
( y t y)( yt j y )
t = j +1
rj =
T
( yt y)
t =1
El conjunto de autocorrelaciones muestrales obtenidas para distintos valores de j constituyen la
funcin de autocorrelacin muestral (FACM). Su representacin grfica es el correlograma muestral.
El concepto de coeficiente de autocorrelacin parcial entre yt e y t-j , j , es similar al de
coeficiente de autocorrelacin entre dichos valores de la serie temporal, teniendo en cuenta que ahora se
mide dicha correlacin ajustada por el efecto de los retardos intermedios. Al obtener la correlacin entre
yt , yt-j se elimina la influencia que, sobre ambas, tienen yt-1, y t-2, ..., y t-j+1 . Nosotros trabajaremos con un
estimacin de la citada autocorrelacin muestral, que denotamos por . El conjunto de jj
autocorrelaciones parciales muestrales obtenidas para distintos valores de j constituyen la funcin de
autocorrelacin parcial muestral (FAPM).
5 Las condiciones de estacionariedad de un proceso estocstico se concretan en que:
-las esperanzas matemticas de la variable aleatoria no dependen del tiempo: E(yt ) = E(yt+m) m
-las varianzas tampoco dependen del tiempo y son finitas, es decir: Var(yt ) = Var(yt+m) < m
-las covarianzas entre dos perodos de tiempo distintos slo dependen del lapso de tiempo transcurrido
entre estos dos perodos: Cov(yt ,yt) = Cov(yt+m ,yt+m ) m

6 Los modelos AR y MA son casos particulares del proceso estocstico lineal general. Su expresin formal
viene dada por:

AR( p) yt = 1 ( yt 1 ) + 2 ( y t 2 ) +...+p ( y t p ) + + ut , donde ut es una secuencia

de perturbaciones aleatorias con caractersticas de ruido blanco, es decir, una sucesin de variables con
esperanza cero, igual varianza, e independientes en el tiempo,
MA( q ) yt = u + ut 1 ut 1 2 ut 2 ...q ut q , donde ut vuelve a ser una secuencia
de ruidos blancos.
7 Tales condiciones se basan, fundamentalmente en demostrar que los residuos generados por las series
estimadas son o no son ruido blanco. Esta fase se completa con otras pruebas tendentes a confirmar la
calidad de las estimaciones.
8 La deteccin de outliers contribuye a mejorar la modelizacin y estimacin ya que estos sucesos
externos desconocidos pueden alterar la estructura de los estadsticos utilizados habitualmente en la tapa

- 20 -
de identificacin y, aun cuando la referida identificacin sea la adecuada, tambin pueden cambiar las
estimaciones de los parmetros. Por ltimo, como sealan Chen, Liu y Hudak (1990), podra quedar
afectada la calidad de las predicciones. Todo lo anterior justifica la introduccin de este anlisis.
H

e
9 1
El ECM se define como ECM = 2
T i (1) , donde eT-i (1) es el error de prediccin tal como lo hemos
H
i=1

definido y H es un nmero arbitrario de observaciones que nos sirve de base para calcular este promedio.
Elegimos H=12, y realizamos su clculo en diversos momentos del perodo predicho, resultando un
aumento del mismo entre las primeras y las ltimas predicciones que queda cuantificado en el porcentaje
reflejado en el texto .

- 21 -
 ANEXO:

Anlisis de la estacionariedad de la serie de recaudacin, identificacin y

chequeo de los procesos estocsticos y deteccin de outliers en los mismos.

Anlisis de la estacionariedad de la serie:

Frecuentemente, las series econmicas son no estacionarias. Sin este requisito,
sin embargo, no es posible sostener que hayan podido ser generadas por alguno de los
modelos estocsticos introducidos en la metodologa utilizada. El problema no es tan
grande si tenemos en cuenta que podemos realizar sencillas transformaciones en la
variable a analizar que la convierten en estacionaria.
La estacionariedad de una serie comprende el anlisis de dos tipos de
estacionariedad distintos: en media y en varianza.
La estacionariedad en media requerir, en nuestro caso, que la recaudacin
flucte en torno a una nica media a lo largo de toda la serie temporal, o lo que es lo
mismo, que se d una ausencia de tendencia en la citada serie.
La estacionariedad en varianza requerir que la dispersin de la serie flucte con
la misma intensidad a lo largo del tiempo. De lo contrario, una dispersin ms
acentuada o menos acusada en determinados espacios temporales, indicar la ausencia
de tal estacionariedad.
Como sealamos, los problemas de no estacionariedad en las series se subsanan
con determinadas transformaciones en los datos originales. De esta forma, un problema
de estacionariedad en media requiere normalmente de sucesivas diferenciaciones
regulares o estacionales en la serie determinacin de d y D, respectivamente-, y el
problema de la estacionariedad en varianza requiere de la aplicacin de la transformada
Box-Cox1 .
Los analistas recomiendan primero abordar el posible problema de la no
estacionariedad en varianza, ya que las transformaciones que ste exige se podran ver
dificultadas caso de haber realizado primero una diferenciacin regular o estacional de
la serie.
Los dos instrumentos utilizados para el anlisis de esta estacionariedad son el
grfico de la serie Grfico A.1- y el diagrama rango/media Grfico A.2-.

- 22 -
 Grfico A.1. Representacin grfica de la serie de recaudacin real (en flujo
mvil).
recudacin (millones ptas.)
6.000.000

5.000.000

4.000.000

3.000.000

2.000.000

1.000.000

0
JL 9
JL 0
JL 1
JL 2
JL 3
JL 4
JL 5
JL 6
JL 7
JL 8
JL 9
JL 0
JL 1
JL 2
JL 3
JL 4
JL 5
JL 6
JL 7
8
-7
-8
-8
-8
-8
-8
-8
-8
-8
-8
-8
-9
-9
-9
-9
-9
-9
-9
-9
-9
JL

recaudacin en flujo mvil

En el grfico de la serie temporal se deber analizar si la dispersin en la misma

es constante a lo largo del tiempo. El Grfico A.1 nos da unos primeros indicios
visuales de la constancia en la variabilidad de la recaudacin durante todo el perodo.
Un instrumento ulterior de ratificacin de esta anlisis viene dado por el Grfico A.2
que relaciona el rango y la media de la serie para perodos consecutivos de doce meses.
Si tal grfico no presenta una tendencia creciente ni decreciente, ser seal de que la
dispersin no aumenta ni disminuye de forma sistemtica cuando lo hacen los valores
medios y, por lo tanto, ser posible defender la estacionariedad en varianza.

Grfico A.2. Relacin rango-media de la serie de recaudacin real (en flujo

mvil)
Perodo 1-1979, 12-1998.

800.000
Diagrama rango/media del perodo 1979-1997
Rango (millones de ptas)

700.000
600.000
500.000
400.000
300.000
200.000
100.000
0
0 1.000.000 2.000.000 3.000.000 4.000.000 5.000.000
Media (millones ptas)

- 23 -
 Perodo 1-1979, 5-1991.

800.000
Rango (millones ptas)

600.000
400.000
200.000
0
0 1.000.000 2.000.000 3.000.000 4.000.000 5.000.000
Media (millones ptas)

Perodo 6-1991, 12-1998

Rango (millones ptas)

700.000
600.000
500.000
400.000
300.000
200.000
100.000
0
4.200.000 4.300.000 4.400.000 4.500.000 4.600.000 4.700.000 4.800.000

Media (millones ptas)

A la vista de los grficos parece claro, a partir de la ausencia de tendencia

observada en cada uno de ellos, que no es necesario realizar ninguna transformacin de
la variable para conseguir su estacionariedad en varianza.
En cuanto al anlisis de la estacionariedad en media, partimos del mismo anlisis
grfico representacin grfica de la serie de recaudacin real, Grfico A.1- con cierta
evidencia de la presencia de una tendencia creciente, que ratificamos posteriormente al
analizar el comportamiento del correlograma muestral representacin grfica de la
FACM- de la serie Grficos A.3, A.4 y A.5-. Para que la serie sea estacionaria se tiene
que observar un rpido decrecimiento de los valores de esta funcin. En nuestro caso,
los anlisis efectuados muestran, en cualquiera de los perodos considerados, un
decrecimiento lento de las autocorrelaciones, que vendran a confirmar el citado

- 24 -
problema de la no estacionariedad en media y, por lo tanto, a recomendar una
diferenciacin regular de la serie.
Adicionalmente, el contraste de Daniel, que se basa en el clculo de un
estadstico que no debe superar el valor de la distribucin normal -con un nivel de
significacin determinado (N=5%=1,96)- para aceptar la hiptesis de ausencia de
tendencia en la serie, presenta un valor de 14 para el perodo global y de 11,11 y 0,93
para los perodos previos y posteriores a la concesin de la amnista. Es decir, slo para
el perodo global y para el perodo previo a la amnista este contraste determinara la
existencia de tendencia.
Por lo tanto, para la segunda parte de nuestra serie a partir de junio de 1991- es
ms discutible sostener la presencia de tendencia en media. Una observacin detallada
del Grfico A.1 nos dara un segundo indicio de este hecho por lo que debera tenerse
en cuenta a la hora de identificar una estructura determinada para esta parte de la serie.
No obstante, pruebas ulteriores con correlogramas alternativos de la variable nos
aconsejan diferenciar regularmente la recaudacin tambin en este perodo posterior.
Un ltimo paso, de este anlisis viene dado por la identificacin de D, nmero
de diferenciaciones estacionales requeridas para que la serie sea totalmente estacionaria.
Sin que el grfico de la serie sea muy concluyente en cuanto a la identificacin
de perodos estacionales en los que el valor de la recaudacin sea muy distinto al
observado en promedio durante el ao, analizamos el comportamiento de los
correlogramas muestrales correspondientes tanto a la serie sin transformacin alguna
(grficos A.3, A.4 y A.5) como diferenciada regularmente (grficos A.6, A.7 y A.8).
En general, no observamos valores elevados en los retardos relevantes p12, p24 ,...,-, que
es uno de los indicios de la presencia de este componente estacional. Este resultado
queda reforzado al realizar el contraste de Kruskal-Wallis, y proporcionarnos un valor
del estadstico H =0,28, para el perodo global, y de 0,59 y 1,54 para los perodos
previos y posteriores a la amnista, inferiores al valor del estadstico relevante: 2 (11) =
19,7 (=5%). Estos resultados nos llevaran a aceptar la hiptesis nula de ausencia de
componente estacional. Estimamos, en definitiva, pertinente no proceder a diferenciar
estacionalmente la serie D=0- en todos los perodos considerados.

- 25 -
 Grfico A.3. Correlograma muestral de la serie de recaudacin real por
IRPF (en flujo mvil) para el perodo 1-1979, 12-1998 (d=0, D=0).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 .99 + IXX+XXXXXXXXXXXXXXXXXXXXXX
2 .97 + IXXXXX+XXXXXXXXXXXXXXXXXX
3 .96 + IXXXXXX+XXXXXXXXXXXXXXXXX
4 .95 + IXXXXXXX+XXXXXXXXXXXXXXXX
5 .94 + IXXXXXXXX+XXXXXXXXXXXXXX
6 .93 + IXXXXXXXXX+XXXXXXXXXXXXX
7 .92 + IXXXXXXXXXX+XXXXXXXXXXXX
8 .91 + IXXXXXXXXXXX+XXXXXXXXXXX
9 .90 + IXXXXXXXXXXXX+XXXXXXXXX
10 .89 + IXXXXXXXXXXXX+XXXXXXXXX
11 .87 + IXXXXXXXXXXXXX+XXXXXXXX
12 .86 + IXXXXXXXXXXXXX+XXXXXXXX
13 .85 + IXXXXXXXXXXXXXX+XXXXXX
14 .85 + IXXXXXXXXXXXXXXX+XXXXX
15 .84 + IXXXXXXXXXXXXXXX+XXXXX
16 .83 + IXXXXXXXXXXXXXXX+XXXXX
17 .82 + IXXXXXXXXXXXXXXXX+XXXX
18 .81 + IXXXXXXXXXXXXXXXX+XXX
19 .80 + IXXXXXXXXXXXXXXXXX+XX
20 .79 + IXXXXXXXXXXXXXXXXX+XX
21 .78 + IXXXXXXXXXXXXXXXXX+XX
22 .77 + IXXXXXXXXXXXXXXXXXXX
23 .76 + IXXXXXXXXXXXXXXXXXXX
24 .76 + IXXXXXXXXXXXXXXXXXXX
25 .75 + IXXXXXXXXXXXXXXXXXXX+
26 .74 + IXXXXXXXXXXXXXXXXXX +
27 .72 + IXXXXXXXXXXXXXXXXXX +
28 .71 + IXXXXXXXXXXXXXXXXXX +
29 .70 + IXXXXXXXXXXXXXXXXX +
30 .69 + IXXXXXXXXXXXXXXXXX +
31 .67 + IXXXXXXXXXXXXXXXXX +
32 .66 + IXXXXXXXXXXXXXXXXX +
33 .65 + IXXXXXXXXXXXXXXXX +
34 .64 + IXXXXXXXXXXXXXXXX +
35 .62 + IXXXXXXXXXXXXXXXX +
36 .61 + IXXXXXXXXXXXXXXX +

- 26 -
 Grfico A.4. Correlograma muestral de la serie de recaudacin real por
IRPF (en flujo mvil) para el perodo 1-1979, 5-1991 (d=0, D=0).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 .96 + IXXX+XXXXXXXXXXXXXXXXXXXX
2 .92 + IXXXXXX+XXXXXXXXXXXXXXXX
3 .89 + IXXXXXXXX+XXXXXXXXXXXXX
4 .85 + IXXXXXXXXX+XXXXXXXXXXX
5 .83 + IXXXXXXXXXX+XXXXXXXXXX
6 .80 + IXXXXXXXXXXX+XXXXXXXX
7 .77 + IXXXXXXXXXXXX+XXXXXX
8 .74 + IXXXXXXXXXXXXX+XXXXX
9 .71 + IXXXXXXXXXXXXXX+XXX
10 .67 + IXXXXXXXXXXXXXX+XX
11 .64 + IXXXXXXXXXXXXXXXX
12 .61 + IXXXXXXXXXXXXXXX+
13 .59 + IXXXXXXXXXXXXXXX +
14 .57 + IXXXXXXXXXXXXXX +
15 .55 + IXXXXXXXXXXXXXX +
16 .53 + IXXXXXXXXXXXXX +
17 .51 + IXXXXXXXXXXXXX +
18 .48 + IXXXXXXXXXXXX +
19 .47 + IXXXXXXXXXXXX +
20 .46 + IXXXXXXXXXXX +
21 .45 + IXXXXXXXXXXX +
22 .44 + IXXXXXXXXXXX +
23 .43 + IXXXXXXXXXXX +
24 .42 + IXXXXXXXXXX +
25 .40 + IXXXXXXXXXX +
26 .39 + IXXXXXXXXXX +
27 .37 + IXXXXXXXXX +
28 .35 + IXXXXXXXXX +
29 .33 + IXXXXXXXX +
30 .31 + IXXXXXXXX +
31 .29 + IXXXXXXX +
32 .27 + IXXXXXXX +
33 .25 + IXXXXXX +
34 .22 + IXXXXXX +
35 .20 + IXXXXX +
36 .18 + IXXXX +

- 27 -
 Grfico A.5. Correlograma muestral de la serie de recaudacin real por
IRPF (en flujo mvil) para el perodo 6-1991, 12-1998 (d=0, D=0).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 .76 + IXXXX+XXXXXXXXXXXXXX
2 .63 + IXXXXXXX+XXXXXXXX
3 .54 + IXXXXXXXX+XXXXX
4 .49 + IXXXXXXXXX+XX
5 .42 + IXXXXXXXXX+X
6 .33 + IXXXXXXXX +
7 .20 + IXXXXX +
8 .16 + IXXXX +
9 .16 + IXXXX +
10 .12 + IXXX +
11 .02 + I +
12 -.08 + XXI +
13 .01 + I +
14 .08 + IXX +
15 .09 + IXX +
16 .09 + IXX +
17 .08 + IXX +
18 .11 + IXXX +
19 .15 + IXXXX +
20 .15 + IXXXX +
21 .10 + IXXX +
22 .06 + IXX +
23 .06 + IX +
24 .02 + I +
25 -.03 + XI +
26 -.11 + XXXI +
27 -.16 + XXXXI +
28 -.21 + XXXXXI +
29 -.20 + XXXXXI +
30 -.22 + XXXXXXI +
31 -.24 + XXXXXXI +
32 -.27 + XXXXXXXI +
33 -.25 + XXXXXXI +
34 -.22 + XXXXXXI +
35 -.20 + XXXXXI +
36 -.15 + XXXXI +

Por lo tanto, todo el anlisis efectuado slo recomienda realizar una

diferenciacin de la serie de recaudacin real para conseguir la estacionariedad de la
misma en todos los perodos considerados. As, la nueva serie zt es una transformacin
de la anterior yt obtenida de la siguiente forma:
zt = (1-L)yt = yt-yt-1, donde L es un operador de retardos tal que Lsyt=yt-s, s0.
Los correlogramas correspondientes a esta transformacin son los que aparecen
en los Grficos A.6, A.7 y A.8.

- 28 -
 Grfico A.6. Correlograma muestral de la serie transformada de
recaudacin real por IRPF (en flujo mvil) para el perodo 1-1979, 12-1998 (d=1).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 -.10 XXXI +
2 -.14 XXXI +
3 .06 + IX +
4 .01 + I +
5 -.09 +XXI +
6 .05 + IX +
7 .05 + IX +
8 .03 + IX +
9 .04 + IX +
10 .13 + IXXX
11 .05 + IX +
12 -.43 XXXXXXXX+XXI +
13 .04 + IX +
14 .06 + IXX +
15 -.02 + I +
16 .06 + IXX +
17 .02 + I +
18 .00 + I +
19 -.01 + I +
20 -.02 + XI +
21 .02 + I +
22 -.06 + XXI +
23 -.05 + XI +
24 .07 + IXX +
25 .01 + I +
26 .07 + IXX +
27 .02 + I +
28 -.07 + XXI +
29 .04 + IX +
30 .00 + I +
31 .00 + I +
32 -.01 + I +
33 .05 + IX +
34 .02 + IX +
35 .11 + IXXX+
36 -.02 + XI +

- 29 -
 Grfico A.7. Correlograma muestral de la serie transformada de
recaudacin real por IRPF (en flujo mvil) para el perodo 1-1979, 5-1991 (d=1).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 -.04 + XI +
2 -.12 +XXXI +
3 .11 + IXXX+
4 -.05 + XI +
5 -.18 X+XXXI +
6 .00 + I +
7 .17 + IXXXX
8 .08 + IXX +
9 -.03 + XI +
10 .10 + IXXX +
11 .10 + IXX +
12 -.45 XXXXXX+XXXXI +
13 .01 + I +
14 .02 + IX +
15 -.06 + XXI +
16 .06 + IXX +
17 .04 + IX +
18 .02 + I +
19 -.07 + XXI +
20 -.12 + XXXI +
21 .06 + IX +
22 .01 + I +
23 -.13 + XXXI +
24 .10 + IXXX +
25 -.10 + XXI +
26 .09 + IXX +
27 .02 + IX +
28 -.07 + XXI +
29 .07 + IXX +
30 .03 + IX +
31 -.03 + XI +
32 .06 + IXX +
33 .03 + IX +
34 -.06 + XI +
35 .07 + IXX +
36 -.03 + XI +

- 30 -
 Grfico A.8. Correlograma muestral de la serie transformada de
recaudacin real por IRPF (en flujo mvil) para el perodo 6-1991, 12-1998 (d=1).

-1.0 -.8 -.6 -.4 -.2 .0 .2 .4 .6 .8 1.0

+----+----+----+----+----+----+----+----+----+----+
I
1 -.22 X+XXXXI +
2 -.19 XXXXXI +
3 -.05 + XI +
4 .09 + IXX +
5 .04 + IX +
6 .10 + IXX +
7 -.14 + XXXXI +
8 -.09 + XXI +
9 .12 + IXXX +
10 .14 + IXXXX +
11 -.01 + I +
12 -.42 XXXX+XXXXXI +
13 .10 + IXX +
14 .11 + IXXX +
15 .02 + I +
16 .03 + IX +
17 -.04 + XI +
18 -.06 + XXI +
19 .06 + IXX +
20 .13 + IXXX +
21 -.03 + XI +
22 -.08 + XXI +
23 .10 + IXX +
24 -.02 + XI +
25 .05 + IX +
26 .01 + I +
27 .01 + I +
28 -.14 + XXXI +
29 .02 + IX +
30 .06 + IXX +
31 .03 + IX +
32 -.09 + XXI +
33 -.02 + XI +
34 .01 + I +
35 -.09 + XXI +
36 .20 + IXXXXX +

Identificacin y chequeo de los procesos estocsticos:

Precisamente son los correlogramas recogidos en los Grficos A.6, A.7 y A.8 el
punto de partida para la identificacin del proceso estoctico subyacente a los mismos.
A travs de la Tabla A.1. podemos tener un resumen de las caractersticas tericas de
las FAC y las FAP de determinados procesos y desde ah podemos juzgar la adecuacin
de nuestras series a los referidos modelos. 2
- 31 -
 Tabla A.1. Caractersticas tericas de la FAC y la FAP de los procesos
estacionarios (Aznar y Trvez, 1993, p.160) .

FAC FAP
MA(q) Se anula para retardos superiores a q Decrecimiento rpido sin llegar a
anularse
AR(p) Decrecimiento rpido sin llegar a Se anula para retardos superiores a p
anularse
ARMA(p,q) Decrecimiento rpido sin llegar a Decrecimiento rpido sin llegar a
anularse anularse

En nuestro caso, puede haber diversos procesos ARIMA susceptibles de generar

las series, pero hemos optado por los modelos recogidos en las expresiones (3), (4) y (5)
del texto. Los comentarios siguientes, en referencia a la fase de chequeo de las
estimaciones, nos servirn para justificar la opcin por estos procesos.
Para estimar los coeficientes que mostramos en la citada Tabla 3, utilizamos el
programa economtrico SCA, que lleva a cabo una especificacin segn el denominado
enfoque condicional. Los anlisis requeridos en la fase de chequeo son los siguientes:
anlisis de los coeficientes estimados:
dicho anlisis se efecta, primero, por medio de contrastes de hiptesis sobre los
parmetros de las series. En concreto, bajo el supuesto de normalidad de los residuos, es
posible llegar a contrastes de significatividad individual de cada uno de los coeficientes,
resultando un estadstico de contraste, que debe superar un determinado valor de la
distribucin t (t>2) para rechazar la hiptesis nula de ausencia de significatividad.
Los resultados obtenidos, recogidos en la Tabla 3, confirman la significatividad
de las estructuras introducidas para el ruido en cualquiera de las series.
Para completar este anlisis es conveniente estudiar las correlaciones entre los
coeficientes estimados. Si esta fuera muy elevada, podra haber problemas de
multicolinealidad. Las estimaciones efectuadas respecto a la matriz de correlaciones de

{ } i, j = 1, 2, ...,k- no parece identificar valores prximos,

los parmetros - R ( B ) = Bi B j

en valor absoluto, a la unidad, por lo que se disipa el referido problema de

multicolinealidad.

- 32 -
 anlisis de los residuos:
en este caso las sucesivas pruebas se van a centrar en las caractersticas
presentadas por la serie de residuos estimadas: (u1 , u2 ,,ut). En concreto, esta serie debe
poder identificarse como un ruido blanco: media cero, varianza constante e
incorrelacin serial. Adicionalmente, debemos confirmar que las series residuales se
distribuyen como una normal, utilizando para ello el contraste LMN de Jarque y Vera.
Los resultados de los contrastes efectuados sobre la serie de residuos se adjuntan
en la Tabla A.2.

Tabla A.2. Estimaciones realizadas sobre la serie de residuos.

Media de los Q48 y valor LMN y valor

residuos y t-valor crtico asociado crtico
Residuos en perodo 1-1979, 12-1998 1232,53 (0,18 ) 37,5 (62,80) 441,34 (9,21)
Residuos en perodo 1-1979,5-1991 9567,70 (0,00) 37,1 (62,80) 198,04 (9,21)
Residuos en perodo 6-1991,12-1998 9036,30 (-0,80) 46,8 (60,46) 2,28 (9,21)

Desde esta perspectiva, la primera condicin a cumplir por los residuos del
modelo es que se pueda determinar que su media es cero. En la Tabla A.2. vemos cmo
los t-valores de las medias de los residuos de las series, al no superar en valor absoluto
el 2 fijado como crtico en este contraste (=0,05), no rechazan la hiptesis nula de valor
cero para la media.
El contraste Ljung-Box tiene como objetivo probar que los coeficientes de
autocorrelacin muestral de los residuos, rj(u), tienden a cero 3 .
Se trata de probar que los coeficientes de autocorrelacin muestral de los
residuos no son significativos. El estadstico Ljung-Box:
M

Q = T ( T + 2) ( T j ) 1 rj 2 (u )
j =1

se distribuye como una 2 con M-K grados de libertad, donde M es el nmero de

autocorrelaciones que se quieren contrastar y K el nmero de parmetros del modelo. Si
el valor de los estadsticos no supera los valores crticos correspondientes se acepta la
hiptesis nula de que tenemos un nmero suficientemente amplio M=48- de
autocorrelaciones iguales a cero. Esta regla de actuacin parece que es la que se sigue

- 33 -
en cada una de las series estimadas si observamos los valores crticos presentados en la
Tabla A.2..
Una condicin ulterior es la prueba de normalidad de los residuos. Para ello
necesitamos calcular el estadstico LMN de Jarque y Bera de contraste global de
normalidad. En concreto, si el valor de este estadstico supera en nuestro caso el 2 0,01

(2) = 9,21 se rechaza la normalidad de la serie de residuos. Tal como vemos en la

Tabla A.2, en los perodos global y anterior a la amnista no podemos mantener el
referido supuesto de normalidad. Este problema est estrechamente relacionado con la
presencia de datos atpicos. Al identificar y estimar estos atpicos de forma conjunta con
los procesos propuestos desaparece este problema de falta de normalidad.
Finalmente, el ltimo requisito viene dada por la presencia de una varianza
constante a lo largo de las series residuales. En este caso ser el grfico de los residuos
el que nos confirmar o no una dispersin constante a lo largo del tiempo -Grficos
A.9, A.10 y A.11-. La observacin de los grficos, parece apoyar la hiptesis de
homocedasticidad (a travs de los grficos tambin podemos observar que los residuos
se sitan en torno al eje de abscisas, por lo que queda reforzada la anterior afirmacin
de que su media es cero para cualquiera de las series).

Grfico A.9. Representacin grfica de los residuos de la estimacin del

perodo 1-1979,12-1998.

800.000

600.000

400.000

200.000

0
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 145 151 157 163 169 175 181 187

-200.000

-400.000

- 34 -
 Grfico A.10. Representacin grfica de los residuos de la estimacin del
perodo 1-1979,5-1991.

700.000

600.000

500.000

400.000

300.000

200.000

100.000

0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113

-100.000

-200.000

-300.000

-400.000

Grfico A.11. Representacin grfica de los residuos de la estimacin del

perodo 6-1991,12-1998.

250.000

200.000

150.000

100.000

50.000

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91

-50.000

-100.000

-150.000

-200.000

-250.000

Una cuestin adicional que surge de la observacin de los tres grficos de

residuos es la probable presencia de observaciones atpicas -outliers-, imposibles de
especificar a priori y que, como hemos justificado en el texto, debern ser estimadas en
un proceso posterior para incorporarse en la modelizacin de las series. La introduccin

- 35 -
y estimacin de estas outliers contribuir a suavizar la dispersin observada en los
grficos de residuos y a mejorar la capacidad explicativa de los modelos.

Outliers detectadas en las series:

El programa SCA es capaz de detectar estos atpicos a travs de un
procedimiento iterativo. Antes de describir esta deteccin recogemos sucintamente los
distintos tipos de outliers analizados por la literatura
outlier aditivo (AO):
suponiendo que zt es la serie libre de outliers y que yt es la serie observada, un
outlier aditivo es un suceso que afecta a una serie en un slo instante temporal:
yt = z t + wI tt0 , donde

I tt 0 = 1 si t 0 y 0 si tt 0 , es la variable que representa la presencia o ausencia del

outlier en el perodo t 0 y w es el efecto de dicho outlier.

outlier innovacional (IO):
en este caso la outlier recoge un suceso cuyo efecto se propaga en conformidad
con el modelo ARIMA identificado, y que afecta a todos los valores observados despus
de su ocurrencia. Su representacin podra ser la siguiente:
( L) t 0
yt = z t + wI t ,
( L)
siendo I tt 0 la misma variable definida anteriormente.

outlier cambio en nivel (LS):

ahora es un suceso que afecta a una serie en un perodo dado, y cuyo efecto es
permanente. La definicin viene dada por:
1
yt = zt + wI tt 0 ,
(1 L)

volviendo a ser I tt 0 la variable ya definida.

En concreto, para los distintos perodos con los que venimos trabajando, las
outliers significativas (t-valor superior a 2) encontradas y su cuantificacin y t-valor
correspondientes son los que se detallan en la Tabla A.3.

- 36 -
 Tabla A.3. Deteccin de outliers y cuantificacin de las mismas en las series
de recaudacin.

Perodo 1-1979,5-1991
observacin valor t-valor tipo
2-1985 163.200,04 3,46 AO
5-1985 272.189,81 3,47 IO
6-1985 -312.362,50 -3,64 IO
5-1986 -163.200,04 3,46 AO
7-1987 272.548,85 3,31 IO
2-1989 -332.177,10 -3,68 IO
7-1989 555.180,82 5,84 IO

Perodo 6-1991,12-1998
observacin valor t-valor tipo
7-1993 214.658,43 3,43 IO
1-1998 -197.120,80 -3,60 LS
5-1998 -173.973,02 -3,24 IO
6-1998 187.430,82 3,20 AO

Las implicaciones de los resultados de la Tabla A.3 tienen una doble dimensin.
En primer lugar, si ahora estimamos de nuevo los procesos ARIMA previamente
identificados para los perodos previos y posteriores a la amnista, pero ahora
introduciendo adicionalmente las outliers identificadas, la capacidad explicativa de los
modelos mejora. En concreto, la nueva desviacin tpica del modelo estimado para el
perodo previo se reduce en un 34% frente a la de la especificacin sin atpicos,
mientras que para el perodo posterior tal reduccin es del 27%. Es decir, los modelos
estimados han ganado notablemente en contenido informativo y, desde ah, podemos
esperar unas predicciones ms precisas.
En segundo lugar, la forma de los atpicos identificados y la deteccin del
momento en que aparecen pueden ser especialmente tiles para poder explicar puntos de
ruptura estructural en las series no identificados previamente. As, las outliers cuya
forma es LS o IO son, sin duda, indicativas de sucesos cuyo impacto en la recaudacin

- 37 -
es permanente y tal como se describe en el apartado 6 del texto, pueden guiar la nueva
bsqueda de hiptesis explicativas del comportamiento serial durante el perodo.

1
La transformada Box-Cox es una variable y t () tal que para 0 su valor es yt ()1/ y para =0 su valor
es lnyt .
2
En teora, deberamos tener en cuenta las representaciones grficas de las FAPM de los distintos
perodos pero, en aras a la brevedad, consideramos que los correlogramas mostrados pueden servir para
justificar la identificacin de las estructuras estocticas.
3
Los rj (u) se definen como:
T

(u t u) ( ut j u)
t = j +1
rj ( u) = T

(u t u) 2
t =1

- 38 -
 Bibliografa:

Agencia Tributaria, Servicio de Auditora Interna: Informe mensual de

recaudacin tributaria, varios meses, Madrid.
Allingham, M. G. y A. Sandmo (1972): "Income Tax Evasion: a Theoretical
Analysis", Journal of Public Economics, Vol. 1, pp. 323-338.
Alm, J. y W. Beck (1990): "Tax Amnesties and Tax Revenues", Public Finance
Quarterly, Vol.108, pp. 433-453.
Alm, J. y W. Beck (1991): "Wiping the Slate Clean: Individual Response to
State Tax Amnesties", Southern Economic Journal, Vol. 57, pp. 1043-1053.
Alm, J. y W. Beck (1993): "Tax Amnesties and Compliance in the Long Run: A
Times Series Analysis", National Tax Journal, Vol. 46, pp. 53-60.
Alm, J., M. McKee y W. Beck (1990): "Amazing Grace: Tax Amnesties and
Compliance", National Tax Journal, Vol. 43, pp. 23-37.
Andreoni, J. (1991): "The Desirebality of a Permanent Tax Amnesty", Journal of
Public Economics, Vol. 45, pp. 143-59.
Aznar,A. y J. Trvez (1993): Mtodos de prediccin en economa. Anlisis de
series temporales, Vol. II, Barcelona: Ariel.
Cassone A. y C. Marchese (1995): "Tax Amnesties as Special Sales Offers: The
Italian Experience", Public Finance, Vol. 50, pp. 51-66.
Das-Gupta, A. y D. Mookherjee (1995): Tax Amnesties in India: an Empirical
Evaluation, Institute for Economic Development, Discussion Paper Series, N 53,
Boston University.
Direccin General de Tributos: Recaudacin y estadsticas de la reforma
tributaria, varios vols., Madrid.
Fisher, R. C., J.H. Goddeeris y J.C. Young (1989): "Participation in Tax
Amnesties: The Individual Income Tax", National Tax Journal, Vol. 42. pp. 15-27.
Leonard, H. y R. Zeckhauser (1987): "Amnesty Enforcement and Tax Policy",
en L. Summers, ed., Tax Policy and the Economy, Cambridge: The MIT Press, pp. 55-
85.
Malik, A.S. y R.M. Schwab (1991): "The Economics of Tax Amnesties",
Journal of Public Economics, Vol. 46, pp. 29-49.
Olivella, P. (1992): "Las amnistas fiscales: descripcin y anlisis econmico",
Instituto de Estudios Fiscales, Papeles de Trabajo, N5, Madrid.

- 39 -
 Olivella, P. (1996): "Tax amnesties and Tax Evasion Inertia", Public Finance,
N 51 (4), pp. 572-589.
Prez, J.A. (1992): "La regularizacin fiscal y sus influencias econmicas",
Cuadernos de Actualidad, N4, pp.109-117.
Pommerehne, W. y P. Zweifel (1991): "Success of Tax Amnesty: at the Polls,
for the Fisc?", Public Choice, Vol. 72, pp. 131-165.
Stella, P. (1991): "An Economic Analysis of Tax Amnesties", Journal of Public
Economics, Vol. 46, pp. 383-400.

- 40 -