Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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-
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.
-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.
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
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
-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.
Millones
(2) nicamente se han incluido las bases imponibles afloradas por IRPF, IS e IEPPF.
-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).
- 10 -
Grfico 1. Esquema general de la metodologa Box-Jenkins (Aznar y Trvez,
1993, p.150).
Transformacin de la serie
Seleccin
Identificacin
Es estacionaria la serie? de
No
d, D y .
S
Determinacin de p, q, P y Q
Estimacin
No
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.
1 0,35 2,92
2 -0,48 -5,82
- 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.
- 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
- 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.
- 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.
(1 1 L 2 L )(1 1 L )ut
2 12
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
- 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:
- 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:
- 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
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)
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
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
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
- 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.
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
- 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
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
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
- 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.
- 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:
- 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 -