Está en la página 1de 11

“Análisis multivariado del PBI y la inflación, caso peruano periodo enero del

2004 – agosto del 2014”

PAUCAR CHANCA, Vanesa


PÉREZ TICSE, José Antonio
SALOMÉ ROJAS, Hirvin
Resumen

Partiendo de la pregunta ¿Qué impacto tienen el PBI y la inflación en el


desarrollo de una política monetaria eficiente para el Perú?, en la actualidad
hay un debate acerca de la relación entre la inflación y el PBI, es de gran
importancia para la conducción de la política monetaria en nuestro país. En el
presente trabajo analizaremos las variables inflación y PBI ya que existe una
relación entre estas, además de acaparar la atención de los economistas desde
hace tiempo, tanto si la primera se toma como variable explicativa de la
segunda, como si el PBI, o la brecha en la producción, es la variable explicativa
relevante para explicar la inflación según el enfoque keynesiano con
componente que incorpora un proceso inflacionario inercial. En ambos casos,
la determinación de la naturaleza, dirección y rezago de la relación tiene mucha
utilidad práctica, en especial en la evaluación de impactos y en pronósticos de
corto plazo. Analizaremos la presencia de raíces unitarias a través de la
prueba ADF (Dickey – Fuller aumentado), para ambas variables, dentro del
cual se hace un análisis con diferentes contrastes de raíz unitaria para buscar
primeramente si existe evidencia de integración, de esta manera estacionalizar
las variables y utilizar correctamente el modelo VAR (i) con i = 1, 2, 3, ….q. Una
vez estacionalizado las variables, pasamos a hacer la prueba de causalidad de
Granger la cual nos arroja que la variable PBI es más endógena que la variable
inflación, es decir que la variable inflación explica a la variable PBI. Y con esto
hacemos la estimación del modelo VAR (i), encontrando resultados que nos
indican que el mejor modelo es con dos rezagos es decir tenemos un modelo
VAR (2).
Introducción

El problema que nos planteamos en este trabajo de investigación es ¿Qué


impacto tienen el PBI y la inflación en el desarrollo de una política monetaria
eficiente para el Perú? No cabe duda de que durante los últimos años las
acciones de la mayoría de los bancos centrales incluido el de nuestro país se
han orientado hacia el abatimiento de la inflación. Los elevados costos
económicos y sociales que genera la inflación han propiciado el consenso de
que la política monetaria debe orientarse hacia un único objetivo que es la
estabilidad de precios, para así tener un PBI creciente. Para el presente estudio
utilizamos datos de tasas mensuales de variación del Índice de Precios al
Consumidor, así como el Producto Bruto Interno a precios constantes que nos
proporciona el Banco Central de Reserva del Perú. El objetivo del presente
trabajo es encontrar el mejor modelo VAR que nos permita analizar y explicar
los shocks que afectan a las variables mencionadas y así poder analizar el
impacto que tienen estas variables en la aplicación de una política monetaria
eficiente para el Perú. En primer lugar describiremos el modelo que
desarrollaremos, en segundo lugar analizaremos la estacionalidad de las
variables, para lo cual realizaremos una serie de pruebas de raíz unitaria. En
tercer lugar analizaremos la causalidad de Granger, seguidamente elegiremos
el mejor modelo VAR y finalmente analizaremos los efectos de impulso y
respuesta de estas dos variables como son el PBI y la inflación.
Presentación de modelo

En este estudio trataremos de explicar la inflación y el PBI, para esto


tomaremos la teoría cuantitativa del dinero. Para un mejor y sencillo análisis del
modelo VAR, realizaremos algunas operaciones matemáticas al modelo:
M t V t =P t Y t . Dónde: M t =¿ cantidad de masa monetaria del mercado, V t =¿
velocidad de circulación del dinero, Pt =¿nivel de precios de la economía, Y t =¿
PBI. Tomando logaritmos a ambos lados de la igualdad,
ln (M ¿ ¿ t V t )=ln( P ¿ ¿t Y t )¿ ¿ . Aplicando propiedades,
ln (M ¿¿ t )+ ln (V ¿¿ t)=ln( P¿¿ t)+ ln (Y ¿¿ t) ¿ ¿ ¿¿. Derivando con respecto al
d
tiempo, ¿. Denotando con letras minúsculas las tasas de crecimiento,
dt
mt + v t= p t + y t . Suponiendo que la tasa de crecimiento de la velocidad del dinero
y la tasa de crecimiento de la masa monetaria no cambia, tenemos pt = y t , el
modelo a desarrollar es el siguiente:
y t =β 10+ β 11 pt + β 12 y t −1+ β13 p t−1 + β 14 y t −2+ β 15 pt −2+ e1 t
pt =β 20+ β 21 y t + β 22 y t−1 + β 23 pt −1 + β 24 y t−2 + β 25 pt −2 +e 2 t
Donde: pt =¿ inflación, y t =¿ tasa de crecimiento (PBI) y e 1 t y e2 t =¿ innovaciones
o shocks.
Es generalmente aceptado que la inflación afecta negativamente el crecimiento
económico y de que ningún nivel de inflación favorece, en forma sostenida, a la
actividad económica. La inflación, sobre todo cuando no es anticipada, produce
incertidumbre distorsionando los mecanismos de precios y el uso de
recursos[CITATION Jos07 \l 10250 ].

De acuerdo con el estudio de [ CITATION Rob91 \l 10250 ], la inflación tiene un


efecto negativo sobre el crecimiento económico, con lo cual la política
monetaria debería tener por objeto lograr un nivel de inflación bajo. La pregunta
importante es cuál debería ser la meta de inflación, o bien, a partir de qué nivel
el efecto de la inflación sobre el crecimiento es negativo.
De acuerdo a la estructura del modelo, la identificación es sencilla, ya que en
estos casos el modelo estructural está sobreidentificado, es decir, hay más de
una manera de recuperar valores numéricos para los parámetros de dicho
modelo, a partir de las estimaciones numéricas del modelo VAR.
Evidencia empírica
Según Ibarra y Trupkin (2011), llega a la siguiente conclusión de “que los
resultados sugieren que los bancos centrales pueden mejorar el crecimiento
económico (PBI) reduciendo la inflación cuando ella está por encima de los
umbrales estimados. En este sentido, dichos resultados son consistentes con la
adopción del esquema de objetivos de inflación”.
Según CMCA (2009), indica que cuando un país presenta muy pocos episodios
o experiencias de fuerte inflación, es decir no cuenta con la información
suficiente desde un punto de vista estadístico, es difícil arribar a conclusiones
validas sobre los limites o umbrales de inflación que afectarían el crecimiento
económico.
Análisis de resultados
En primer lugar, haremos las pruebas de raíz unitaria de las dos variables, en
este caso de la inflación y el PBI, en un principio una vez hecha la prueba de
Dickey Fuller Aumentado resulta que las dos variables tienen raíz unitaria 1, con
lo cual sacaron las primerias diferencias para estacionalizarlas, los resultados
se muestran en el siguiente cuadro:
Cuadro N° 01

t - estadístico Probabilidad
ADF – inflación -12.55159 0.0000
ADF – PBI -11.14843 0.0000

Ahora pasamos a mostrar los gráficos de las dos variables ya estacionalizadas,


las cuales son las siguientes:

Gráfico N° 01
D(INFLACION)
1.2

0.8

0.4

0.0

-0.4

-0.8

-1.2
04 05 06 07 08 09 10 11 12 13 14

Gráfico N° 02

1
Ver anexo 01 y 02
D(PBI)
8

-2

-4

-6

-8
04 05 06 07 08 09 10 11 12 13 14

Una vez ya estacionalizadas las dos series pasamos a hacer la prueba de


causalidad de Granger, la cual es la siguiente 2:

Cuadro N° 02

F - estadístico Probabilidad
Inflación – PBI 0.35509 0.8780
PBI – Inflación 1.26379 0.2846

En el cuadro N° 02, se muestra que la probabilidad más baja en este caso el


del PBI, nos indica que esta variable es la más endógena en comparación con
la variable inflación, también podemos concluir que la segunda ecuación es la
más apropiada para aplicar el modelo VAR. Además podemos corroborar lo ya
mencionado con el mayor valor del F-estadístico, en este caso también el PBI
es la variable más endógena en comparación con la variable inflación. Esto
quiere decir que nuestra ecuación es de la siguiente manera:

PBI ¿ f (Inflación)

Por último, realizamos nuestro modelo VAR, para poder comparar los
resultados tanto del Akaike (AIC) como del Schwarz (SC), trabajaremos con 1,
2 y 3 rezagos, y elegir el mejor modelo VAR, los resultados son los siguientes 3:

Cuadro N° 03

Un rezago Dos rezagos Tres rezagos


PBI Inflación PBI Inflación PBI Inflación
AIC 4.569586 0.27330 4.365368 0.209627 4.39002 0.244246
8 8

2
Ver anexo 03
3
Ver anexos 04, 05 y 06
SC 4.636771 0.34049 4.477918 0.322178 4.54841 0.402632
4 3

Como se puede notar en el cuadro N° 03, el mejor modelo es el VAR (2) que
consiste en que se utilizan dos rezagos, ya que tienen los valores mínimos de
AIC y de SC que son 4.365368 y 4.477918 en el caso de la variable PBI y
0.209627, 0.322178 en el caso de la variable inflación en comparación con lo
de uno y tres rezagos. Es decir, que el modelo VAR (2), nos dará una mejor
visión del impacto que tiene una variable sobre otra en el análisis económico de
nuestro país y aún más en la aplicación de una política monetaria eficiente en
los años venideros.

Ahora pasaremos a realizar el análisis de impulso – respuesta de las dos


variables, que se muestra a continuación:

Grafico N° 03
Response to Cholesky One S.D. Innovations ± 2 S.E.
Response of PBI to PBI Response of PBI to INFLACION

2 2

1 1

0 0

-1 -1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Response of INFLACION to PBI Response of INFLACION to INFLACION


.4 .4

.3 .3

.2 .2

.1 .1

.0 .0

-.1 -.1
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Observamos en el grafico N° 03 como se comporta una variable frente al


cambio de la otra variable, es decir analizaremos que sucede cuando la
variable inflación cambia, que sucede con la variable PBI. En este sentido
podemos decir que estas dos variables tiene una relación inversa, podemos
deducir que ante un incremento de la inflación tendremos una disminución del
PBI, con cual estas dos variables tienen una relación inversa, y para poder
aplicar una política monetaria eficiente se debe disminuir la inflación para así
incrementar el crecimiento (PBI).

Conclusiones

De acuerdo al estudio realizado podemos concluir que la causalidad no se da


solo en el sentido PBI – inflación, sino también en el sentido inflación – PBI,
debido a la misma naturaleza de las relaciones económicas, es por ello que se
debe tener muy en cuenta las dos variables para poder construir una política
monetaria eficiente en nuestro país. Precisamente, esta es la razón por la cual
el Banco Central de Reserva del Perú se esfuerza por controlar movimientos de
la producción que se deben a presiones de demanda muy por encima de su
tendencia. Es decir, por un lado el Banco Central debe evitar que la inflación
afecte a la producción (PBI), pero también deben evitar que se dé una sobre
oferta productiva que afecte el nivel de precios, para los cual deben
desestimular la expansión de la demanda interna efectiva.

La experiencia inflacionaria del Perú, ha tenido efectos negativos sobre el PBI


(crecimiento económico). Así el ritmo de actividad económica se ha visto
afectada por la presencia de la inflación. Ante este resultado, no deben
escatimarse esfuerzos para lograr el abatimiento definitivo de la inflación.

Bibliografía

BARRO, Robert (1991). Crecimiento económico. Cambridge Massachusetts.


Editorial Reverté.

DE GREGORIO, José (2007). Macroeconomía: Teoría y Política. Santiago.

MARTÍNEZ, L. (1998). “Los efectos de la inflación en la distribución del


ingreso”. Documento núm. 9806, Serie de Documentos de Investigación, Banco
de México.

Secretaria Ejecutiva del CMCA (1998). “Aspectos relacionados con la


programación monetaria y el control de la inflación de los países
centroamericanos”. Documento presentado en el “Seminario regional sobre
políticas monetaria, fiscal y cambiaria”, El Salvador 21, 22 y 23 de octubre de
1998.

PULIDO, Antonio y PÉREZ, Julián (2001). Modelos econométricos. Madrid.


Editorial Pirámide.

NOVALES, Alfonso (2003). Modelos Vectoriales Autorregresivos (VAR).


Universidad Complutense.

Datos estadísticos proporcionados por el BCRP. Tasa mensuales de


variaciones de Inflación y PBI periodos enero del 2004 – agosto del 2014.
CMCA (2009). Identificación de umbrales entre inflación y crecimiento
económico.

IBARRA, Raúl y TRUPKIN, Danilo (2011). La regresión entre inflación y


crecimiento desde un enfoque e regresión con transición suavizada para datos
panel.

Anexos

Anexo N° 01: Test de Dickey Fuller Aumentado – PBI

Null Hypothesis: PBI has a unit root


Exogenous: Constant
Lag Length: 4 (Fixed)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.820261  0.0583


Test critical values: 1% level -3.484198
5% level -2.885051
10% level -2.579386

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(PBI)
Method: Least Squares
Date: 11/16/14 Time: 16:51
Sample (adjusted): 2004M06 2014M08
Included observations: 123 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

PBI(-1) -0.208278 0.073850 -2.820261 0.0056


D(PBI(-1)) -0.472708 0.104191 -4.536931 0.0000
D(PBI(-2)) 0.051416 0.113184 0.454271 0.6505
D(PBI(-3)) 0.239539 0.111402 2.150220 0.0336
D(PBI(-4)) 0.149487 0.092254 1.620396 0.1078
C 1.285902 0.506040 2.541107 0.0124

R-squared 0.373751    Mean dependent var -0.021495


Adjusted R-squared 0.346988    S.D. dependent var 2.594557
S.E. of regression 2.096639    Akaike info criterion 4.366099
Sum squared resid 514.3197    Schwarz criterion 4.503278
Log likelihood -262.5151    Hannan-Quinn criter. 4.421821
F-statistic 13.96533    Durbin-Watson stat 2.047366
Prob(F-statistic) 0.000000

Anexo N° 02: Test de Dickey Fuller Aumentado – Inflación

Null Hypothesis: INFLACION has a unit root


Exogenous: Constant
Lag Length: 1 (Fixed)

t-Statistic   Prob.*
Augmented Dickey-Fuller test statistic -6.932680  0.0000
Test critical values: 1% level -3.482879
5% level -2.884477
10% level -2.579080

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(INFLACION)
Method: Least Squares
Date: 11/16/14 Time: 16:50
Sample (adjusted): 2004M03 2014M08
Included observations: 126 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.  

INFLACION(-1) -0.695639 0.100342 -6.932680 0.0000


D(INFLACION(-1)) 0.027824 0.087938 0.316406 0.7522
C 0.161251 0.034396 4.688118 0.0000

R-squared 0.354239    Mean dependent var -0.009299


Adjusted R-squared 0.343739    S.D. dependent var 0.332546
S.E. of regression 0.269395    Akaike info criterion 0.238245
Sum squared resid 8.926560    Schwarz criterion 0.305776
Log likelihood -12.00946    Hannan-Quinn criter. 0.265681
F-statistic 33.73652    Durbin-Watson stat 1.969711

Anexo N° 03: Causalidad de Granger

Pairwise Granger Causality Tests


Date: 11/16/14 Time: 16:56
Sample: 2004M01 2014M08
Lags: 5

 Null Hypothesis: Obs F-Statistic Prob. 

 INFLACION does not Granger Cause PBI  123  0.35509 0.8780


 PBI does not Granger Cause INFLACION  1.26379 0.2846

Anexo N° 04: Modelo VAR con un rezago

 Vector Autoregression Estimates


 Date: 11/16/14 Time: 17:00
 Sample (adjusted): 2004M02 2014M08
 Included observations: 127 after adjustments
 Standard errors in ( ) & t-statistics in [ ]

PBI INFLACION

PBI(-1)  0.655332  0.012134


 (0.06826)  (0.00797)
[ 9.60026] [ 1.52318]

INFLACION(-1)  0.898773  0.318591


 (0.72996)  (0.08519)
[ 1.23127] [ 3.73992]
C  1.910357  0.087959
 (0.47843)  (0.05583)
[ 3.99301] [ 1.57539]

 R-squared  0.450467  0.133488


 Adj. R-squared  0.441604  0.119512
 Sum sq. resids  684.4748  9.321972
 S.E. equation  2.349459  0.274185
 F-statistic  50.82313  9.551257
 Log likelihood -287.1687 -14.35507
 Akaike AIC  4.569586  0.273308
 Schwarz SC  4.636771  0.340494
 Mean dependent  6.223427  0.242533
 S.D. dependent  3.144103  0.292201

 Determinant resid covariance (dof adj.)  0.412381


 Determinant resid covariance  0.393128
 Log likelihood -301.1255
 Akaike information criterion  4.836623
 Schwarz criterion  4.970994

Anexo N° 05: Modelo VAR con dos rezagos


 Vector Autoregression Estimates
 Date: 11/16/14 Time: 17:02
 Sample (adjusted): 2004M03 2014M08
 Included observations: 126 after adjustments
 Standard errors in ( ) & t-statistics in [ ]

PBI INFLACION

PBI(-1)  0.360557  0.002526


 (0.08087)  (0.01012)
[ 4.45844] [ 0.24944]

PBI(-2)  0.467561  0.019725


 (0.08106)  (0.01015)
[ 5.76786] [ 1.94357]

INFLACION(-1)  0.826928  0.302718


 (0.69535)  (0.08706)
[ 1.18923] [ 3.47732]

INFLACION(-2) -0.520469 -0.064627


 (0.69728)  (0.08730)
[-0.74643] [-0.74032]

C  0.967752  0.037787
 (0.46506)  (0.05822)
[ 2.08090] [ 0.64899]

 R-squared  0.568367  0.163050


 Adj. R-squared  0.554098  0.135383
 Sum sq. resids  536.1465  8.403657
 S.E. equation  2.104985  0.263537
 F-statistic  39.83263  5.893159
 Log likelihood -270.0182 -8.206518
 Akaike AIC  4.365368  0.209627
 Schwarz SC  4.477918  0.322178
 Mean dependent  6.238054  0.235838
 S.D. dependent  3.152312  0.283419

 Determinant resid covariance (dof adj.)  0.307733


 Determinant resid covariance  0.283795
 Log likelihood -278.2237
 Akaike information criterion  4.574980
 Schwarz criterion  4.800082

Anexo N° 06: Modelo VAR con tres rezagos

 Vector Autoregression Estimates


 Date: 11/16/14 Time: 17:02
 Sample (adjusted): 2004M04 2014M08
 Included observations: 125 after adjustments
 Standard errors in ( ) & t-statistics in [ ]

PBI INFLACION

PBI(-1)  0.325115  0.000172


 (0.09135)  (0.01149)
[ 3.55881] [ 0.01495]

PBI(-2)  0.458049  0.017015


 (0.08774)  (0.01104)
[ 5.22054] [ 1.54131]

PBI(-3)  0.076548  0.005892


 (0.09328)  (0.01174)
[ 0.82065] [ 0.50207]

INFLACION(-1)  0.618378  0.295031


 (0.73241)  (0.09215)
[ 0.84431] [ 3.20155]

INFLACION(-2) -0.250958 -0.082542


 (0.74195)  (0.09335)
[-0.33824] [-0.88419]

INFLACION(-3) -0.768652  0.053413


 (0.70391)  (0.08857)
[-1.09198] [ 0.60308]

C  0.932530  0.024997
 (0.48488)  (0.06101)
[ 1.92320] [ 0.40973]

 R-squared  0.575095  0.163809


 Adj. R-squared  0.553490  0.121291
 Sum sq. resids  527.6666  8.353518
 S.E. equation  2.114651  0.266069
 F-statistic  26.61820  3.852681
 Log likelihood -267.3767 -8.265380
 Akaike AIC  4.390028  0.244246
 Schwarz SC  4.548413  0.402632
 Mean dependent  6.242329  0.234041
 S.D. dependent  3.164631  0.283838

 Determinant resid covariance (dof adj.)  0.316557


 Determinant resid covariance  0.282096
 Log likelihood -275.6403
 Akaike information criterion  4.634245
 Schwarz criterion  4.951016