Documentos de Académico
Documentos de Profesional
Documentos de Cultura
m3 Metodos
m3 Metodos
Métodos de extrapolación
Sistema automático
Estima los rendimientos más probables del ejercicio futuro con base en
resultados conocidos del año anterior. En este método hay que tomar en cuenta
que el presupuesto de ingresos se encuentra en ejecución, por lo cual, no se
conoce la recaudación final del último periodo anterior al que se presupuestará;
entonces, se tomará como base los ingresos del penúltimo ejercicio fiscal para el
periodo que se pretende presupuestar.
Cabe señalar que este método fue el primero que se utilizó en la estimación de
ingresos públicos, aunque en la actualidad no se utiliza, ya que no considera el
cambio en las condiciones económicas que afectan la captación de ingresos.
Métodos de promedios
Promedios Móviles
Suavización Exponencial
futuro. Si se cuenta con una base de datos histórica y se quiere pronosticar una variable
considerando su comportamiento pasado, entonces podemos utilizar el método de
promedios móviles o el método de suavización exponencial, que son conocidos también
como métodos de series de tiempo1.
La utilización de esta técnica supone que la serie de tiempo es estable, esto es, que los Comment [u1]: Serie
cronológica
datos que la componen se generan sin variaciones importantes entre un dato y otro (error
aleatorio=0)2, esto es, que el comportamiento de los datos aunque muestren un crecimiento o un
decrecimiento lo hagan con una tendencia constante.
Cuando se usa el método de promedios móviles se está suponiendo que todas las
observaciones de la serie de tiempo son igualmente importantes para la estimación del parámetro
a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronóstico para el
siguiente periodo el promedio de los n valores de los datos más recientes de la serie de tiempo.
Utilizando una expresión matemática, tenemos:
El término móvil indica que conforme se tienen una nueva observación de la serie de
No existe una regla específica que nos indique cómo seleccionar la base del promedio
móvil n. Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su
comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea
grande. Por el contrario, es aconsejable un valor de n pequeño si la variable muestra patrones
cambiantes. En la práctica, los valores de n oscilan entre 2 y 10.
1
Una serie de tiempo es un conjunto de observaciones respecto a una variable, medidas en
puntos sucesivos en el tiempo o a lo largo de periodos sucesivos de tiempo. Un análisis de una
secuencia de datos se conoce como análisis de series de tiempo de una variable.
2
El error aleatorio muestra el grado de confiabilidad con que se van a comportar los datos. La
variación del error puede ser de 0 a 1, en donde, un error aleatorio=0 muestra una total
confiabilidad del comportamiento de los datos y un error aleatorio=1 muestra que los datos no
son confiables en su comportamiento.
Suavización Exponencial
Donde:
3
La ponderación se determina considerando el peso que se le asigna al valor más reciente de la
serie. Los pesos o ponderaciones para los demás valores se determinan automáticamente,
haciéndose más pequeños conforme las observaciones se alejan del presente.
19 9 0 16 3 3 0 5 162370
19 9 2 3 18 7 7 4 318776 19 4 2 5 0 18 4 0 7 2 10 17 7
2002 12 7 16 5 5 16 4 3 2 2 2 119 5 2 3 7 16 3 6 13 7 -4 4 0 9 0 0
CUADRO 2
Podemos observar que el pronóstico se ajusta más a los datos reales que en el
caso de los promedios móviles. Este método nos permite realizar un pronóstico
más confiable que el caso anterior. Claramente se observa que el pronóstico
tiene mejor ajuste y la diferencia entre los valores reales y los pronosticados es
mínima. Por lo tanto, este método es una mejor opción que los promedios
móviles para predecir el comportamiento futuro de los ingresos y egresos.
Método de aumento
$ 40’720,000 /4 = $ 10’180,000
M . G = n ( x1)( x 2 )( x 3)( xi )
M.G = Media Geométrica
n = Número de Periodos
x n = Tasas de Variación.
M .G.= 4 (7307
. )(3111
. )(7118
. )(6.37)
M .G.= 4 1'030,71010
.
M .G.= 3186%
.
Aplicando esta tasa a la recaudación de 1994, obtenemos el incremento
esperado en la recaudación para el año 2000
Pn
r=n −1
Po
tiempo determinado.
53'720,000
r=4 −1
13'000,000
r = 4 4.1312 − 1
r = 1.4257 − 1
Métodos econométricos
Mediante el uso de este método es factible medir el grado de confiabilidad de la Comment [u2]: Indica cuán
seguros podemos estar de que
relación existente entre variables tributarias, económicas y administrativas. el proceso seguido resulte en
valores que representen
verdaderamente la población.
Así por ejemplo, si se aplicara un aumento en un impuesto, se produciría una Se usa más comúnmente con
transferencia de recursos del sector privado al sector público. Con la aplicación intervalos de confianza. En
sentido probabilístico, si
de métodos econométricos es factible medir, con base en datos para un período tuviéramos una confiabilidad
de tiempo, la relación existente entre la recaudación y las modificaciones en la del 95%, decimos que si
repitiéramos el proceso muchas
estructura del impuesto. El cálculo de la recaudación estará en función del nivel veces, en cerca del 95% de las
de las tasas que se apliquen; de la base imponible del tributo; y del efecto veces obtendríamos resultados
que reflejan verdaderamente la
conjunto de ambos, sobre las variables tributarias que se estén afectando. realidad. Cerca del 95% de los
intervalos así construidos
contendrían el valor
De igual forma, es factible medir futuros niveles de recaudación con base en desconocido del parámetro.
cambios en variables, tales como cambios en el Producto Interno Bruto,
Consumo Privado, Sueldos y Salarios, etc. Comment [u3]: Base
gravable
Análisis de Regresión
El análisis de regresión implica que se determine una relación entre una variable
dependiente (ingresos) y una variable independiente (por ejemplo impuestos). Este método implica
la verificación de la relación de las variables asociadas con la teoría económica. El esquema 1
muestra el proceso que debe seguirse cuando se utiliza una regresión.
donde b0, b1... bn son parámetros desconocidos. El error aleatorio ε tiene una media cero
y una desviación estándar constante.
La forma más simples del modelo de regresión supone que la variable dependiente varía
linealmente con el tiempo, es decir
Y* = a + bx (3)
diferencias entre los valores observados y estimados4. Esto quiere decir que utilizando MCO
obtenemos la función lineal óptima que garantiza la mejor estimación de las variables que
queremos pronosticar. Haciendo las manipulaciones algebraicas, se obtiene la siguiente solución:
a = ΣY – b ΣX (5 )
n n
b = n Σ XY -Σ X Σ Y
(4 )
n Σ X² - ( Σ X) ²
En estas ecuaciones se muestra que primero tenemos que calcular el valor de b para
después poder calcular el valor de a.
Una vez que se tienen calculados los valores de a y b, tenemos que establecer si los
valores encontrados son válidos5. Para hacerlo, necesitamos calcular el coeficiente de correlación,
r, que nos ayudará a establecer la validez de las variables estimadas. El índice r se calcula de
acuerdo con la siguiente ecuación:
r= b nΣ x² – ( Σ x) ²
n Σ y² – (Σ y) ²
4
La suma del cuadrado de las desviaciones entre los valores observados y los valores
estimados está dado por:
S = ∑(yi – a – bxi)²
Los valores de a y b se determinan al resolver las siguientes condiciones necesarias para la
minimización de S, es decir,
∂S/∂a = -2∑ (yi – a – bxi) = 0
∂S/∂b = -2∑ (yi – a – bxi)xi = 0
5
Cuando utilizamos el método de mínimos cuadrados ordinarios, decimos que los valores de a y
b son válidos para cualquier distribución probabilística de yi.
Existe un modelo intermedio que vincula en cierta medida al modelo del método
de aumento, el cual pretende incorporar en forma directa, el análisis de la
recaudación en el tiempo y el comportamiento esperado de las variables que
afectan la base impositiva de los ingresos.