10.-Technological Shocks and Aggregate Fluctuations - En.es

Choques tecnológicos y
Fluctuaciones agregadas: ¿Qué tan

bien se ajusta el modelo de ciclo
económico real a los datos
estadounidenses de la posguerra?
Jordi Gal´ı́ y Pau Rabanal CREI,

UPF, CEPR y NBER; y Fondo
Monetario Internacional
1. Introducción
Desde el trabajo fundamental de Kydland y Prescott (1982) y Prescott (1986b),

los defensores del paradigma del ciclo económico real (RBC) han reivindicado
un papel central para las variaciones exógenas en la tecnología como fuente
de fluctuaciones económicas en las economías industrializadas. Esas
fluctuaciones han sido interpretadas por los economistas de RBC como la
respuesta de equilibrio a variaciones exógenas de la tecnología, en un
entorno con competencia perfecta y agentes optimizadores intertemporales,
y en el que el papel de las fricciones nominales y la política monetaria es,
como mucho, secundario.
Detrás de las afirmaciones de la teoría RBC se encuentra lo que debe haber sido uno
de los hallazgos más revolucionarios en la macroeconomía de posguerra: una versión
calibrada del modelo de crecimiento neoclásico aumentada con una elección de
consumo-ocio, y con cambios estocásticos en la productividad total de los factores
como la única fuerza impulsora. , parece explicar la mayor parte de las fluctuaciones
económicas en la economía estadounidense de posguerra. En la práctica, "tener en
cuenta las fluctuaciones observadas" ha significado que los modelos RBC calibrados
coinciden bastante bien con los patrones de segundos momentos incondicionales de
varias series de tiempo macroeconómicas, incluidas sus desviaciones estándar y
correlaciones relativas. Tales hallazgos llevaron a Prescott a afirmar "que los choques
tecnológicos representan más de la mitad de las fluctuaciones en el período de
posguerra, con una mejor estimación puntual cercana al 75 por ciento".1 De manera
similar, en dos evaluaciones recientes del camino recorrido y las lecciones aprendidas
por la teoría de RBC después de más de una década, Cooley y Prescott (1995) pudieron
afirmar con confianza que `` tiene sentido pensar en las fluctuaciones como causadas
por impactos en la productividad ''. 'mientras que King y Rebelo (1999) concluyeron que'
'[las] principales críticas
226 Gal´ı́ y Rabanal
impuestos sobre los modelos de ciclo económico real de primera generación se han superado
en gran medida ''.
Si bien la mayoría de los macroeconomistas han reconocido el impacto
metodológico del programa de investigación de RBC y han adoptado sus
herramientas de modelado, en los últimos años se han cuestionado otros
elementos importantes y más sustantivos de ese programa. Primero, y de
acuerdo con la importancia ampliamente reconocida de la política monetaria
en las economías industrializadas, la mayor parte de la profesión se ha
alejado gradualmente de los modelos reales (o sus modelos monetarios sin
fricción casi equivalentes) al tratar de comprender los fenómenos
macroeconómicos a corto plazo. En segundo lugar, y más importante para
los propósitos de este artículo, se ha cuestionado la visión del cambio
tecnológico como una fuerza central detrás de las fluctuaciones cíclicas. En el
presente trabajo,
Una característica definitoria de la literatura revisada aquí radica en su búsqueda de

evidencia sobre el papel de la tecnología que sea más directa que simplemente verificar
si un modelo dado impulsado por choques tecnológicos, y calibrado de manera más o
menos plausible, puede generar las características clave del negocio. ciclo. En particular,
discutimos los esfuerzos para identificar y estimar la
empírico efectos de los cambios exógenos en la tecnología sobre diferentes
variables macroeconómicas, y evaluar cuantitativamente la contribución de esos
cambios a las fluctuaciones del ciclo económico.
Gran parte de esa literatura (y, por lo tanto, gran parte del presente artículo) se
centra en una característica central y no controvertida del ciclo económico en las
economías industrializadas, a saber, el fuerte comovimiento positivo entre las
medidas de producción y de insumo de trabajo. Ese comovimiento se ilustra
gráficamente en la Figura 1, que muestra la serie de tiempo trimestral de horas y
producción en el sector empresarial no agrícola de EE. UU. Durante el período
1948: 1–2002: 4. En ambos casos, la serie original se ha transformado utilizando el
filtro de paso de banda desarrollado en Baxter y King (1999), calibrado para
eliminar las fluctuaciones de periodicidad fuera de un intervalo entre 6 y 32
trimestres. Como en Stock y Watson (1999), interpretamos la serie resultante
como un reflejo de las fluctuaciones asociadas con los ciclos económicos.
Como es bien sabido, el modelo RBC básico puede generar fluctuaciones en la

entrada y salida de trabajo de magnitud, persistencia y grado de comovimiento.
aproximadamente similar a la serie mostrada en la Figura 1. Como se muestra en
King y Rebelo (1999), cuando la secuencia real de choques tecnológicos
(representada por las perturbaciones estimadas de una autorregresión
Choques tecnológicos y fluctuaciones agregadas 227
5,0
2.5
0.0
Porcentaje
- 2,5
- 5.0
- 7.5
1948 1953 1958 1963 1968 1973 1978 1983 1988 1993 1998
Año
Producción Horas
Figura 1
Fluctuaciones del ciclo económico en salida y horas
proceso sive (AR) para el residuo de Solow) se alimenta como una entrada en el
modelo, las trayectorias de equilibrio resultantes de la producción y el insumo de
trabajo siguen sorprendentemente bien los patrones históricos observados de esas
variables; el último ejercicio puede verse como una prueba más estricta del modelo RBC
que el habitual emparejamiento de momentos.
Sin embargo, la literatura revisada en el presente artículo plantea preguntas
muy diferentes: ¿Cuáles han sido los efectos de los choques tecnológicos en la
economía estadounidense de posguerra? ¿En qué se diferencian de las
predicciones de los modelos RBC estándar? ¿Cuál es su contribución a las
fluctuaciones del ciclo económico? ¿Qué características deben incorporarse en los
modelos de ciclo económico para tener en cuenta los efectos observados? El resto
de este artículo describe las respuestas tentativas (ya veces contradictorias) que
han dado los esfuerzos de un número creciente de investigadores. Parte de esa
investigación ha explotado el papel natural del cambio tecnológico como fuente
de cambios permanentes en la productividad laboral para identificar choques
tecnológicos utilizando autorregresiones de vectores estructurales (VAR); en
cambio, otros autores se han basado en medidas más directas de cambio
tecnológico y han examinado sus comovimientos con una variedad de variables
macro. No es fácil resumir en pocas palabras la riqueza de la evidencia existente ni
ponerse de acuerdo sobre algunas conclusiones definidas de un
literatura que aún está en curso. No obstante, es seguro afirmar que la

mayor parte de la evidencia revisada en el presente artículo proporciona
poco apoyo a las afirmaciones iniciales de la literatura de RBC sobre el papel
central del cambio tecnológico como fuente de ciclos económicos.
El resto del artículo está organizado de la siguiente manera. La sección 2 revisa
algunos de los primeros trabajos que cuestionaron la importancia de los choques
tecnológicos y presenta algunas de las pruebas básicas sobre los efectos de esos
choques. La sección 3 analiza una serie de críticas y posibles trampas de esa
literatura. La sección 4 presenta el caso de la existencia de fricciones nominales
como una explicación de los efectos estimados de los choques tecnológicos. La
sección 5 resume algunas de las explicaciones reales de los mismos efectos que se
encuentran en la literatura. La Sección 6 presenta y analiza un modelo de
equilibrio general estocástico dinámico estimado (DSGE) que incorpora fricciones
tanto nominales como reales, y evalúa sus respectivos roles. Concluye la sección 7.
2. Estimación de los efectos de los choques tecnológicos
En Gal´ı́ (1999), los efectos de los choques tecnológicos se identificaron y estimaron

utilizando un enfoque VAR estructural. En su especificación más simple, a la que
restringimos nuestro análisis aquí, el modelo empírico usa información sobre dos
variables: producción e insumo de trabajo, que denotamos respectivamente.
activamente por yt y nortet, ambos expresados en registros. Esas variables se utilizan
para construir una serie para la productividad laboral (logarítmica), Xt 1 yt nortet. En que
sigue, se supone que este último está integrado de orden uno (en cierto modo
coherente con la evidencia que se informa a continuación). Fluctuaciones en el trabajo de parto
Crecimiento de la productivdad DDXtÞ y en alguna transformación estacionaria de la mano de
obra Dnorte nortetÞ se supone que son consecuencia de dos tipos de shocks
golpeando la economía y propagando sus efectos en el tiempo. Formalmente,
Se supone la siguiente representación de media móvil (MA):
DXt C11DLÞ C12ð LÞ mi

t z
¼ 1 ðCL
Þ mit D1Þ
nortet C21DLÞ C22DLÞ mi
t D
dónde mitz a e en serie un correlacionados, mutuamente ortogonales

Dakota del Norte miD Arkansas
t truc-
perturbaciones culturales cuya varianza se normaliza a la unidad. El polinomiojCDz
Þj se supone que tiene todas sus raíces fuera del círculo unitario. Estimaciones de
los polinomios de rezagos distribuidosCijDLÞ se obtienen mediante una
transformación adecuada de la forma reducida estimada VAR para
nortet después
½DXt; norte de imponer la restricción de identificación a largo plazo C12D1Þ ¼ 0.2
Esa restricción define efectivamente Fmiz t gramo y FmiDt gramo como choques con y
sin a permanente efecto sobre la productividad laboral, respectivamente. Sobre la base

de algunas de las restricciones del estado estacionario compartidas por una amplia
gama de modelos macro (y que se discuten más adelante), Gal´ı́ (1999) propone
interpretar los choques permanentes a la productividad Fmiz t gramo como choques tecnológicos.
Por otro lado, los choques transitorios FmiD t gramo potencialmente puede capturar un
una variedad de fuerzas impulsoras detrás de las fluctuaciones de la producción y de los
insumos laborales que no se esperaría que tuvieran efectos permanentes sobre la
productividad laboral. Estos últimos incluyen choques que podrían tener un efecto
permanente en el producto (pero no en la productividad laboral), pero que son de
naturaleza no tecnológica, como sería el caso de algunos choques permanentes en las
preferencias o compras gubernamentales, entre otros.3 Como se analiza a continuación,
en principio podrían capturar transitorio choques tecnológicos también.
2.1 Revisión de la evidencia básica sobre los efectos de los choques

tecnológicos
A continuación, revisamos y actualizamos la evidencia básica sobre los efectos de los choques
tecnológicos reportados en Gal´ı́ (1999). Nuestro análisis empírico de referencia utiliza datos
trimestrales de EE. UU. Para el período 1948: I – 2002: IV. Nuestra fuente es la base de datos
Haver USECON, para la cual enumeramos los mnemónicos asociados. Nuestra serie de
producción corresponde a la producción del sector empresarial no agrícola (LXNFO). Nuestra
serie de insumos laborales de referencia son las horas de todas las personas en el sector
empresarial no agrícola (LXNFH). A continuación, a menudo expresamos la serie de
producción y horas en términos per cápita, utilizando una medida de la población civil no
institucional de 16 años o más (LNN).
Nuestras estimaciones de referencia se basan en una especificación de horas en primer lugar.
diferencias; es decir, establecemosnortenortet ¼ Dnortet. Esa elección parece coherente con la
resultado de las pruebas Augmented Dickey-Fuller (ADF) aplicadas a las horas
series, que no rechazan el nulo de una raíz unitaria en el nivel de horas a un
nivel de significancia del 10%, frente a la alternativa de estacionariedad en
torno a una tendencia lineal determinista. Por otro lado, el nulo de una raíz
unitaria en la primera serie diferenciada se rechaza a un nivel inferior al 1%.4
De manera consistente con el resultado anterior, Kwiatkowski et al. (1992)
(KPSS) aplicado a nortet rechaza el nulo de estacionariedad con un nivel de significancia
por debajo del 1%, mientras que no rechaza el mismo nulo cuando se aplica a
Dnortet. Además, la misma batería de pruebas ADF y KPSS aplicadas a
Ntra Xt y DXt series apoyan la existencia de una raíz unitaria en la productividad del
trabajo, condición necesaria para la estrategia de identificación basada
sobre las restricciones a largo plazo empleadas aquí. Ambas observaciones sugieren la
Productividad: respuesta dinámica Productividad: respuesta al impacto

1.08 7
0,99 6
0,90 5
0,81 4
0,72 3
0,63 2
0,54 1
0,45 0
0 2 4 6 8 10 12 0,56 0,63 0,70 0,77 0,84 0,91
Salida: respuesta dinámica Resultado: Respuesta al impacto

1,50 3,0
1,25 2.5
1,00
2.0
0,75
1,5
0,50
1.0
0,25
0,00 0,5
- 0,25 0.0
0 2 4 6 8 10 12 0,00 0,24 0,48 0,72
Horas: Respuesta dinámica Horas: Respuesta al impacto

0,6 5
0.4
4
0,2
- 0.0 3
- 0,2 2
- 0,4
1
- 0,6
- 0,8 0
0 2 4 6 8 10 12 - 0.5000000 - 0.2000000
Figura 2
Los efectos estimados de los choques tecnológicosEspecificación de diferencia, 1948: 01-2002: 04)
especificación y estimación de un VAR para ½DXt; Dnortet. De ahora en adelante, nos

referiremos a este último como el diferencia especificación.
La Figura 2 muestra los efectos estimados de un impacto tecnológico positivo,
de un tamaño normalizado a una desviación estándar. Los gráficos de la izquierda
muestran las respuestas dinámicas de la productividad laboral, la producción y las
horas, junto con (GRAMO) dos bandas de error estándar.5 Los gráficos
correspondientes a la derecha muestran la distribución simulada de la respuesta
de cada variable. en impacto. Como en Gal´ı́ (1999), las estimaciones apuntan a
una disminución significativa y persistente en horas después de un choque
tecnológico que eleva la productividad laboral de forma permanente.6 Las
estimaciones puntuales sugieren que las horas finalmente regresan a su nivel
original (o cerca de él), pero no hasta más de un año después. Junto con ese
patrón de horas, observamos una respuesta inicial positiva pero silenciosa de la
producción ante un impacto tecnológico positivo.
Fluctuaciones impulsadas por la tecnología (filtrado por BP)

5.4
3.6
1.8
- 0.0
- 1.8
- 3.6
- 5,4
1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 1996 2000
Año
Otras fuentes de fluctuaciones (filtrado por BP)

5.4
3.6
1.8
- 0.0
- 1.8
- 3.6
- 5,4
1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 1996 2000
Año
y norte
figura 3
Fuentes de las fluctuaciones del ciclo económico de EE. UU. (Especificación de diferencia, período de muestra: 1948: 01–
2002: 04)
Las respuestas estimadas a un choque tecnológico que se muestran en la

Figura 2 contrastan marcadamente con las predicciones de un modelo de RBC
calibrado estándar, que predeciría un comovimiento positivo entre las tres
variables representadas en la figura en respuesta a ese choque.7
No es sorprendente que las estimaciones anteriores tengan implicaciones

dramáticas con respecto a las fuentes de las fluctuaciones del ciclo económico en
la producción y las horas que se muestran en la Figura 1. Esto se ilustra en la
Figura 3, que muestra los componentes estimados del ciclo económico de la serie
histórica para la producción y las horas. asociado con tecnología y no tecnología
choques. En ambos casos, los componentes estimados de los niveles

(logarítmicos) de productividad y horas se han desterrado utilizando el mismo
filtro de paso de banda subyacente a la serie graficada en la Figura 1. Como en Gal
´ı́ (1999), la imagen que surge es muy clara: Las fl uctuaciones en horas y
producción impulsadas por choques tecnológicos explican una pequeña fracción
de la varianza de esas variables en las frecuencias del ciclo económico: 5 y 7%,
respectivamente. El comovimiento en las frecuencias del ciclo económico entre la
producción y las horas resultantes de los choques tecnológicos se muestra
esencialmente cero (la correlación es 0.08), en contraste con el alto comovimiento
positivo observado en los datos (0.88). Claramente, el patrón de fluctuaciones
impulsadas por la tecnología, como se identifica en nuestro VAR estructural,
muestra poca semejanza con las fluctuaciones convencionales del ciclo económico
que se muestran en la Figura 1.
El panorama cambia drásticamente si prestamos atención a las fluctuaciones
estimadas de la producción y las horas impulsadas por los choques sin efectos
permanentes sobre la productividad (que se muestran en el gráfico inferior). Esos
choques explican el 95 y el 93% de la varianza del componente del ciclo económico
de horas y producción, respectivamente. Además, generan una correlación casi
perfecta (0,96) entre las mismas variables. En contraste con su contraparte
impulsada por la tecnología, este componente de la producción y las fluctuaciones
de horas muestra un patrón de ciclo comercial mucho más reconocible.
Una posible crítica al marco empírico anterior es la suposición de sólo dos

fuerzas impulsoras subyacentes a las fluctuaciones en las horas y la
productividad laboral. Como se discutió en Blanchard y Quah
(1989), ignorar algunos choques relevantes puede conducir a una distorsión
significativa en las respuestas estimativas al impulso. Gal´ı́ (1999) aborda ese
problema estimando un VAR de cinco variables (que incluye series de tiempo
sobre saldos reales, tasas de interés e in fl ación). Ese marco permite hasta cuatro
perturbaciones sin efectos permanentes sobre la productividad y para las que no
se intenta identificar por separado. Las estimaciones generadas por ese modelo
de mayor dimensión con respecto a los efectos de los choques tecnológicos son
muy similares a las reportadas anteriormente, lo que sugiere que el enfoque en
solo dos choques puede no ser restrictivo para el tema en cuestión.8
2.2 Trabajo empírico relacionado
La conexión empírica entre el cambio tecnológico y las fluctuaciones del ciclo

empresarial ha sido el foco de una literatura en rápida expansión.
A continuación, discutimos brevemente algunos artículos recientes que brindan

evidencia sobre los efectos de los choques tecnológicos y que llegan a conclusiones
similares a las de Gal´ı́ (1999), utilizando un conjunto de datos diferente o un enfoque
empírico. Dejamos para más adelante una discusión de los artículos cuyos hallazgos se
relacionan más específicamente con el contenido de otras secciones, incluidas las que
cuestionan la evidencia reportada anteriormente.
Una de las primeras contribuciones la proporciona el artículo relativamente
desconocido de Blanchard, Solow y Wilson (1995). Ese documento ya detalla
algunos de los argumentos clave que se encuentran en la literatura posterior. En
particular, enfatiza la necesidad de separar el componente de productividad
asociado con el cambio tecnológico exógeno del componente que varía en
respuesta a otros choques que pueden afectar la relación capital-trabajo. Adoptan
un enfoque de variables instrumentales simples, con una serie de variables del
lado de la demanda que se supone que son ortogonales al cambio tecnológico
exógeno utilizadas como instrumentos para el crecimiento del empleo o el cambio
en el desempleo en una regresión que presenta el crecimiento de la productividad
como variable dependiente. El residual ajustado en esa regresión se interpreta
como un proxy de los cambios en la productividad impulsados por la tecnología.
Cuando regresan la variación del desempleo en la variable de crecimiento de la
productividad filtrada, obtienen un coeficiente positivo; es decir, un aumento
(exógeno) de la productividad eleva la tasa de desempleo. Una especificación
dinámica de esa regresión implica que tal efecto dura alrededor de las tres cuartas
partes, después de lo cual el desempleo comienza a caer y vuelve rápidamente a
su valor original.
Como se menciona en Gal´ı́ (1999, nota al pie 19) y enfatizado por Valerie
Ramey en su comentario sobre este artículo (también en este volumen), el
hallazgo de una disminución en las horas (o un aumento en el desempleo) en
respuesta a una tecnología positiva El shock también podría haber sido
detectado por un lector atento en varios artículos anteriores del VAR, aunque
ese hallazgo generalmente pasa desapercibido o se describe como
desconcertante. Blanchard y Quah (1989) y Blanchard (1989) son excepciones
porque proporcionan una discusión explícita del hallazgo, que interpretan
como consistente con un modelo keynesiano tradicional "en el que aumenta
la productividad". . . bien puede aumentar el desempleo a corto plazo si la
demanda agregada no aumenta lo suficiente para mantener el empleo ''.9
El trabajo de Basu, Fernald y Kimball (1999) merece una atención especial
aquí, dado su enfoque y la similitud de sus hallazgos con los de Gal´ı́ (1999) a
pesar del uso de una metodología no relacionada. Basu, Fernald y Kimball
(BFK) utilizan una sofisticada metodología de contabilidad de crecimiento que
permite rendimientos crecientes, competencia imperfecta,
utilización de factores variables y efectos de composición sectorial para descubrir

una serie de tiempo para el cambio tecnológico agregado en la posguerra
Economía de Estados Unidos. Su enfoque, que combina elementos de trabajos
anteriores de Hall (1990) y Basu y Kimball (1997), entre otros, puede verse como
un intento de limpiar el residuo de Solow (Solow, 1957) de su error de medición
ampliamente reconocido como resultado de la fuerte supuestos subyacentes a su
derivación. Las estimaciones de la respuesta de la economía a las innovaciones en
su medida de cambio tecnológico apuntan a una fuerte disminución a corto plazo
en el uso de insumos (incluida la mano de obra) cuando la tecnología mejora, y la
producción no muestra cambios significativos (con estimaciones puntuales que
sugieren una pequeña disminución ). Después de ese impacto a corto plazo,
ambas variables se ajustan gradualmente al alza, con el insumo laboral volviendo
a su nivel original y con la producción alcanzando una meseta permanentemente
más alta varios años después del shock.
Kiley (1997) aplica el marco VAR estructural en Gal´ı́ (1999) a datos de industrias manufactureras de dos dígitos. Si bien no informa respuestas
de impulso, encuentra que los choques tecnológicos inducen una correlación negativa entre el empleo y el crecimiento de la producción en 12 de
las 17 industrias consideradas. Cuando estima una correlación condicional análoga para el empleo y el crecimiento de la productividad, obtiene un
valor negativo para 15 de 17 industrias. Francis (2001) realiza un análisis similar, aunque intenta identificar los choques tecnológicos específicos de
la industria al incluir una medida de tecnología agregada, que se supone exógena a cada una de las industrias consideradas. Encuentra que, para
la gran mayoría de industrias, una medida sectorial de insumos laborales disminuye en respuesta a un impacto tecnológico positivo específico de
la industria. Utilizando datos de un gran panel de 458 industrias manufactureras y 35 sectores, Franco y Philippon (2004) estiman un VAR
estructural con tres choques: choques tecnológicos (con efectos permanentes en la productividad de la industria), choques de composición (con
efectos permanentes en la participación de la industria en producción total) y choques transitorios. Encuentran que los choques tecnológicos (1)
generan un comovimiento negativo entre la producción y las horas dentro de cada industria, y (2) casi no están correlacionados entre las
industrias. Por lo tanto, concluyen que los choques tecnológicos pueden representar solo una pequeña fracción de la varianza de las horas y la
producción agregadas (dos tercios de estos últimos se explican por choques transitorios). shocks tecnológicos (con efectos permanentes en la
productividad de la industria), shocks de composición (con efectos permanentes en la participación de la industria en la producción total) y shocks
transitorios. Encuentran que los choques tecnológicos (1) generan un comovimiento negativo entre la producción y las horas dentro de cada
industria, y (2) casi no están correlacionados entre las industrias. Por lo tanto, concluyen que los choques tecnológicos pueden explicar solo una
pequeña fracción de la varianza de las horas y la producción agregadas (dos tercios de estos últimos se explican por choques transitorios). shocks
tecnológicos (con efectos permanentes en la productividad de la industria), shocks de composición (con efectos permanentes en la participación
de la industria en la producción total) y shocks transitorios. Encuentran que los choques tecnológicos (1) generan un comovimiento negativo entre
la producción y las horas dentro de cada industria, y (2) casi no están correlacionados entre las industrias. Por lo tanto, concluyen que los choques
tecnológicos pueden representar solo una pequeña fracción de la varianza de las horas y la producción agregadas (dos tercios de estos últimos se
explican por choques transitorios).
Shea (1998) utiliza un enfoque VAR estructural para modelar la conexión entre
los cambios en las medidas de innovación tecnológica (investigación y desarrollo [I
+ D] y número de solicitudes de patentes) y los cambios posteriores en la
productividad total de los factores (PTF) y los insumos contratados, us-
datos a nivel de industria. Para la mayoría de las especi fi caciones e industrias,

encuentra que una innovación en el indicador de tecnología no causa ningún
cambio significativo en la PTF, pero tiende a incrementar los insumos laborales en
el corto plazo. Sin embargo, aunque Shea no lo enfatizó mucho, uno de los
hallazgos de su artículo es particularmente relevante para nuestros propósitos: en
las pocas especificaciones de VAR para las que se detecta un aumento significativo
de la PTF en respuesta a una innovación positiva en el indicador de tecnología,
insumos: incluyendo el trabajo — se muestra que responden en la dirección
opuesta al movimiento en la PTF, un hallazgo en línea con la evidencia anterior.10
Francis y Ramey (2003a) amplían el análisis de Gal´ı́ (1999) en varias

dimensiones. La primera modificación que consideran consiste en aumentar
el VAR de base (especificado en las primeras diferencias) con una medida de
la tasa de impuesto al capital para separar los efectos de los shocks
tecnológicos de los de los cambios permanentes en las tasas impositivas (más
abajo). En segundo lugar, identifican los choques tecnológicos como aquellos
con efectos permanentes en los salarios reales (en oposición a la
productividad laboral) y / o sin efectos a largo plazo en las horas, ambas
predicciones igualmente sólidas de una amplia clase de modelos que
satisfacen una propiedad de crecimiento equilibrado. Esas restricciones de
identificación alternativas no se rechazan cuando se combinan en un modelo
unificado (sobreidentificado).
Francis, Owyang y Theodorou (2003) utilizan una variante del algoritmo de

restricción de signos de Uhlig (1999) y muestran que el hallazgo de una respuesta
negativa de horas a un choque tecnológico positivo es robusto para reemplazar la
restricción sobre el efecto asintótico de ese choque con uno imponiendo una
respuesta positiva de productividad en un horizonte de diez años después del
choque.
Varios artículos recientes han proporcionado evidencia relacionada basada
en datos agregados fuera de los EE. UU. En Gal´ı́ (1999), el marco estructural
VAR discutido anteriormente también se aplica a los restantes países del G7
(Canadá, Reino Unido, Francia, Alemania, Italia y Japón). Descubre una
respuesta negativa del empleo a un impacto tecnológico positivo en todos los
países, con la excepción de Japón. Gal´ı́ (1999) también señala algunas
diferencias en esas estimaciones en relación con las obtenidas para los
Estados Unidos: en particular, la respuesta (negativa) del empleo a un
impacto tecnológico positivo en Alemania, el Reino Unido e Italia parece ser
mayor. y más persistente, lo que podría interpretarse
como prueba de histéresis en los mercados laborales europeos. También se

pueden encontrar resultados cualitativos muy similares para el área europea en
su conjunto en Gal´ı́ (2004), que aplica el mismo marco empírico al conjunto de
datos trimestrales que ha estado disponible recientemente. En particular, los
choques tecnológicos representan solo el 5% y el 9% de la varianza del
componente del ciclo económico del empleo y la producción de la zona del euro,
respectivamente, siendo la correlación correspondiente entre sus componentes
impulsados por la tecnología de 0,67). Francis y Ramey (2003b) estiman un VAR
estructural con restricciones de identificación a largo plazo utilizando series de
tiempo anuales del Reino Unido a largo plazo que se remontan al siglo XIX;
encuentran evidencia sólida de un impacto negativo a corto plazo de los choques
tecnológicos sobre la mano de obra en todas las submuestras.11 Finalmente,
Carlsson (2000) desarrolla una variante del marco empírico en BFK (1999) y
Burnside et al. (1995) para construir una serie de tiempo para el cambio
tecnológico y la aplica a una muestra de industrias manufactureras suecas de dos
dígitos. De manera más prominente, encuentra que los choques positivos a la
tecnología tienen, en el impacto, un efecto contractivo en las horas y un efecto no
expansivo en la producción, como en BFK (1999).
2.3 Implicaciones
Las implicaciones de la evidencia discutida anteriormente para el análisis y el modelado

del ciclo económico son múltiples. Lo más significativo es que esos hallazgos rechazan
una predicción clave del paradigma estándar de RBC, a saber, el comovimiento positivo
de la producción, la mano de obra y la productividad en respuesta a los choques
tecnológicos. Ese comovimiento positivo es la característica principal de ese modelo que
explica su capacidad para generar fluctuaciones que se asemejan a los ciclos
económicos. Por lo tanto, tomada al pie de la letra, la evidencia anterior rechaza de
manera inequívoca la relevancia empírica del modelo RBC estándar. Lo hace en dos
dimensiones. En primer lugar, muestra que no se puede encontrar en los datos una
característica clave de la respuesta de la economía a los choques tecnológicos
agregados pronosticados por modelos RBC calibrados. Segundo, y en la medida en que
se tome el comovimiento positivo entre las medidas de la producción y el insumo de
trabajo como una característica definitoria del ciclo económico, se sigue como corolario
que los choques tecnológicos no pueden ser una fuente cuantitativamente importante
(y, menos aún, dominante) de fl uctuaciones agregadas observadas. Si bien la última
implicación es particularmente condenatoria para la teoría de RBC, dado su énfasis
tradicional en las variaciones tecnológicas agregadas como fuente de ciclos
económicos, su relevancia es independiente del paradigma macroeconómico preferido.
3. Posibles errores en la estimación de los efectos de los choques

tecnológicos
Esta sección tiene dos objetivos principales. Primero, tratamos de abordar una
pregunta que a menudo se plantea con respecto al enfoque empírico utilizado en Gal´ı́
(1999): ¿hasta qué punto podemos tener confianza en la interpretación económica
que se le da a los choques identi fi cados y, en particular, en el mapeo entre
choques tecnológicos y el componente no estacionario de la productividad
laboral? A continuación, proporcionamos algunas pruebas que nos hacen sentir
bastante cómodos con esa interpretación. En segundo lugar, describimos y
abordamos algunas de las cuestiones econométricas que han planteado
Christiano, Eichenbaum y Vigfusson (2003) y que se centran en la especificación
adecuada de horas (niveles o primeras diferencias). Finalmente, discutimos un
artículo de Fisher (2003) que distingue entre dos tipos de choques tecnológicos:
neutrales y específicos de inversión.
3.1 ¿Son útiles las restricciones a largo plazo para identificar los choques
tecnológicos?
El enfoque de identificación propuesto en Gal´ı́ (1999) se basa en el supuesto de que

solo los choques tecnológicos (permanentes) pueden tener un efecto permanente en la
productividad laboral (promedio). Se puede argumentar que esa suposición se
mantiene en condiciones relativamente débiles, satisfechas por la mayor parte de los
modelos de ciclo económico utilizados actualmente por los macroeconomistas. Para
revisar el argumento básico, considere una economía cuya tecnología puede describirse
mediante una función de producción agregada:12
Yt ¼ FDKt; AtnortetÞ D2Þ
dónde Y denota salida, K es el capital social, norte es mano de obra y A

es un índice de tecnología. Bajo el supuesto de queF es homoge-
neous de grado 1, tenemos:
Yt¼ AtFkDkt; 1Þ
D3Þ
nortet
dónde kt 1Kt =DAtnortetÞ es la relación entre capital y trabajo (expresada en

unidades de eficiencia). Para una gran clase de modelos caracterizados por un
camino de crecimiento equilibrado, el producto marginal del capital Fk debe satisfacer, a
lo largo de ese camino, una condición de la forma:
D1 tÞFkDk; 1Þ ¼ ð1 þ metroÞ r þ D þ gramo D4Þ

s
dónde metro es el margen de precio, t es un impuesto sobre la renta del capital, r

es la tasa de descuento por tiempo, D es la tasa de depreciación, s es la elasticidad
intertemporal de sustitución, y gramo es la tasa de crecimiento promedio del
consumo y la producción (per cápita). Bajo el supuesto de rendimientos
decrecientes del capital, se deduce de la ecuación (4) que la razón capital-trabajok
será estacionario (y por lo tanto fluctuará alrededor de una media constante)
siempre que todos los parámetros anteriores sean constantes (o estacionarios). En
ese caso, la ecuación (3) implica que solo los choques que tienen un efecto
permanente en el parámetro de tecnologíaA puede ser una fuente de la raíz
unitaria en la productividad laboral, proporcionando así el sustento teórico para el
esquema de identificación en Gal´ı́ (1999).
¿Cuán plausibles son las suposiciones subyacentes a ese esquema de identificación?
Parámetros de preferencia o tecnología comor; D; s,y gramo generalmente se asume
que son constantes en la mayoría de los ejemplos y aplicaciones que se encuentran en
la literatura del ciclo económico. El margen de preciometro es más probable que varíe
con el tiempo, posiblemente como resultado de algunas rigideces de precios implícitas;
en el último caso, sin embargo, es probable que permanezca estacionario, fluctuando
alrededor de su nivel deseado u óptimo. En el caso de que los márgenes de ganancia
deseados (o los parámetros de preferencia y tecnología enumerados anteriormente) no
sean estacionarios, es más probable que estos últimos adopten la forma de alguna
función uniforme del tiempo, que debería reflejarse en el componente determinista de
la productividad laboral, pero no en su fl uctuaciones en frecuencias cíclicas.13
Finalmente, observe que el enfoque anterior para la identificación
de los choques tecnológicos requiere que (1) Fk estar disminuyendo, de modo que
k está definido de forma única por la ecuación (4) y (2) que la tecnología
proceso FAtgramo es exógena (al menos con respecto al ciclo económico).
Los supuestos anteriores han sido comúnmente adoptados por empresas
modeladores de ciclo.14
3.1.1 ¿Explican los shocks del impuesto sobre la renta de capital cambios permanentes en
la productividad laboral?
Sin embargo, el argumento anterior es mucho menos atractivo cuando se aplica a
la tasa del impuesto sobre la renta del capital. Como han señalado Uhlig (2004) y
otros, la suposición de una tasa impositiva sobre la renta del capital estacionaria
puede ser injustificada, dado el comportamiento de las medidas para esa variable
durante el período de posguerra. Esto se ilustra en la Figura 4, que muestra dos
medidas alternativas de la tasa del impuesto sobre la renta del capital en los
Estados Unidos. La Figura 4.A muestra una serie trimestral para la tasa promedio
del impuesto sobre la renta del capital construida por Jones (2002) para el período
1958: I– 1997: IV. La figura 4.B muestra una medida anual del promedio marginal
tasa de impuesto sobre la renta de capital construida por Ellen McGrattan para el
período 1958-1992 y que corresponde a una versión actualizada de la utilizada
en McGrattan (1994).15 De ahora en adelante denotamos esas series por tJ t y tMETROt,
respectivamente. Ambas series presentan un comportamiento aparente no
estacionario, con fluctuaciones muy persistentes. Esto está confirmado por una batería
de pruebas ADF, que no rechazan la hipótesis nula de una raíz unitaria en ambas series,
a niveles de significación convencionales.
Como se muestra en las Figuras 4.C y 4.D, que muestran la misma serie en las
primeras diferencias, la presencia de variaciones considerables a corto plazo en
esas medidas de los impuestos al capital difícilmente podría captarse por medio
de alguna función determinista o uniforme del tiempo ( siendo sus desviaciones
estándar 0,79% para la serie trimestral de Jones y 2,4% para la
Serie McGrattan). De hecho, en ambos casos, esa primera serie diferenciadaDtt
no muestra una autocorrelación significativa, lo que sugiere que una caminata aleatoria
El proceso puede aproximarse bastante bien al patrón de las tasas del impuesto sobre la renta del
capital.
La evidencia anterior, combinada con el análisis teórico anterior, apunta a una
salvedad potencial en el enfoque de identificación seguido en Gal´ı́ (1999): los
choques con efectos permanentes sobre la productividad estimados en el mismo
podrían estar capturando los efectos de cambios permanentes en las tasas
impositivas ( a diferencia de los de auténticos shocks tecnológicos). Ese etiquetado
incorrecto podría potencialmente explicar los hallazgos empíricos informados
anteriormente.
Francis y Ramey (2003a) intentan superar esa deficiencia potencial aumentando el
VAR con una tasa de impuesto al capital variable, además de la productividad laboral y
las horas. Como se mencionó anteriormente, se muestra que la introducción de la
variable tributaria no tiene ninguna influencia significativa en los hallazgos: los choques
tecnológicos positivos aún conducen a disminuciones a corto plazo en la mano de obra.
Aquí, revisamos la hipótesis de un shock de tasa impositiva confundido con un shock

tecnológico al buscar evidencia de algún comportamiento de comovimiento.
interpolación (1) el choque permanente miz t estimado usando el VAR estructural
discutido en la Sección 2, y (2) cada una de las dos series de impuestos sobre el capital,
en primeras diferencias. Dada la ausencia de autocorrelación significativa enDtJ
t
y DtMETRO
t, interpretamos cada una de esas series como sustitutos (alternativos) de la
choques en la tasa del impuesto sobre la renta del capital. Además, al utilizar la
serie de McGrattan, anualizamos la serie de choques permanentes obtenida del
VAR trimestral promediando los choques correspondientes a cada año natural.
La evidencia resultante se puede resumir de la siguiente manera. Primero, las innovaciones en la
tasa del impuesto sobre la renta del capital muestran una correlación cercana a cero con
Serie A. Jones (nivel) B. Serie McGrattan (nivel)
46 62,5
240
60,0
44
57,5
42
55,0
40
52,5
38
50,0
36
47,5
34
45,0
32 42,5
1958 1962 1966 1970 1974 1978 mil novecientos ochenta y dos
1986 1990 1994 1947 1951 1955 1959 1963 1967 1971 1975 1979 1983 1987 1991
Año Año
Figura 4
Tasas de impuesto sobre la renta de capital
Gal´ı́ y Rabanal
Serie C.Jones (Primera diferencia) D. Serie McGrattan (Primera diferencia)
2.4 10.0
1,6 7.5
0,8 5,0
- 0.0 2.5
- 0,8 0.0
- 1,6 - 2,5
Choques tecnológicos y fluctuaciones agregadas
- 2,4 - 5.0
- 3.2 - 7.5
1958 1962 1966 1970 1974 1978 mil novecientos ochenta y dos
1986 1990 1994 1947 1951 1955 1959 1963 1967 1971 1975 1979 1983 1987 1991
Año Año
Figura 4
(continuado)
241
los choques permanentes del VAR. Más precisamente, nuestras estimaciones de

corrDDtJt; mitz Þ y corrDDtMETROt; mizt Þ son, respectivamente, 0,06 y 0,12, ni
de los cuales es significativo a niveles convencionales. Por lo tanto, es muy poco probable que
los choques VAR permanentes puedan estar capturando choques exógenos a los impuestos al
capital.
En segundo lugar, una regresión de mínimos cuadrados ordinarios (MCO) del impuesto de Jones
serie DtJ t en valores actuales y rezagados de miz t rendimientos conjuntamente insignificantes
estimaciones de coeficientes: el pag-el valor es 0,54 cuando se incluyen cuatro rezagos,
0.21 cuando incluimos ocho rezagos. Se obtiene un resultado similar cuando
gress la serie de impuestos McGrattan DtMETROt en la corriente y varios rezagos de miz t,
con el pag-el valor para el nulo de coeficientes cero es 0,68 cuando se incluyen
cuatro rezagos (0,34 cuando usamos 8 rezagos). Dado que la secuencia de esos
coeficientes corresponde a la respuesta de impulso estimada de los impuestos al
capital al choque VAR permanente, la evidencia anterior sugiere que es poco
probable que los efectos estimados de los choques VAR permanentes capturen el
impacto de una posible respuesta endógena en los impuestos al capital para
cualquier choque exógeno subyacente al choque VAR permanente estimado.
Concluimos de los ejercicios anteriores que no hay apoyo para la hipótesis de

que los choques permanentes a la productividad laboral, interpretados en Gal´ı́
(1999) como choques tecnológicos, podrían estar capturando cambios en los
impuestos sobre la renta del capital.dieciséis
3.1.2 ¿Los choques permanentes en la productividad laboral capturan

variaciones en la tecnología?
Habiendo descartado prácticamente las variaciones en los impuestos al capital como un factor
significativo detrás de la raíz unitaria en la productividad del trabajo, a continuación
presentamos algunas evidencias que favorecen la interpretación del choque permanente del
VAR como un cambio hacia la tecnología agregada. También proporcionamos alguna
evidencia en contra de la hipótesis de que las variaciones transitorias en la tecnología pueden
ser una fuerza significativa detrás de los choques identificados como choques transitorios,
una hipótesis que no puede descartarse por motivos puramente teóricos.
Francis y Ramey (2003a) prueban una forma débil de la hipótesis de los
choques permanentes como choques tecnológicos al buscar evidencia de la
causalidad de Granger entre varios indicadores que se consideran
independientes de la tecnología por un lado, y el choque tecnológico basado
en VAR por el otro lado. otro. Los indicadores incluyen Romer y Romer
(1989) dummy de choque monetario, los maniquíes de choque de petróleo de Hoover y
Pérez (1994), las fechas de acumulación militar de Ramey y Shapiro (1998) y la tasa de
fondos federales. Francis y Ramey demuestran que ninguno de ellos
tienen un poder predictivo significativo para el impacto tecnológico estimado.
Aquí, proporcionamos una evaluación más directa utilizando la medida de

cambio tecnológico agregado obtenida por Basu, Fernald y Kimball (1999).17
Como se discutió anteriormente, esos autores construyeron esa serie
utilizando un enfoque no relacionado con el nuestro. La variable BFK mide la
tasa anual de cambio tecnológico en el sector empresarial privado no
agrícola de EE. UU. La serie tiene una frecuencia anual y cubre el período
1950-1989. Nuestro objetivo aquí es evaluar la plausibilidad de la
interpretación relacionada con la tecnología de los choques VAR obtenidos
anteriormente examinando su correlación con la medida BFK. Dadas las
diferencias en frecuencias, anualizamos las series de choques permanentes y
transitorios obtenidas del VAR trimestral promediando los choques
correspondientes a cada año natural.
Los principales resultados se pueden resumir de la manera siguiente. En
primer lugar, la correlación entre el choque permanente basado en el VAR y
la medida BFK del cambio tecnológico es positiva y significativa al nivel del
5%, con una estimación puntual de 0,45. La existencia de un comovimiento
contemporáneo positivo es aparente en la Figura 5, que muestra el choque
permanente del VAR estimado junto con la medida BFK (ambas series se han
normalizado para tener media cero y varianza unitaria, para facilitar la
comparación).
En segundo lugar, la correlación entre nuestro choque transitorio VAR
estimado y la serie BFK es levemente negativa, aunque insignificantemente
diferente de cero (la estimación puntual es 0.04). El gráfico inferior de la
Figura 5, que muestra ambas series, ilustra la ausencia de un comovimiento
obvio entre las dos.
Finalmente, y dado que la serie BFK está levemente correlacionada en serie,
también hemos realizado una regresión OLS simple de la variable BFK
(normalizada) en su propio rezago, y las estimaciones contemporáneas de los
choques permanentes y transitorios del VAR. La ecuación estimada, cont las
estadísticas entre paréntesis, viene dada por:
BFKt ¼ 0:29 BFKt 1 þ 0:67 miz t 0:32 mit D

D1:85Þ ð2:16Þ D 1:11Þ
lo que refuerza los resultados obtenidos a partir de las correlaciones

contemporáneas simples.
En resumen, los resultados del análisis empírico anterior sugieren que los
choques permanentes basados en VAR pueden estar capturando variaciones
exógenas en la tecnología, de una manera consistente con la
Choques permanentes VAR vs.BFK

2.0
1,5
1.0
0,5
0.0
- 0,5
- 1.0
- 1,5
- 2.0
- 2,5
1950 1953 1956 1959 1962 1965 1968 1971 1974 1977 1980 1983 1986 1989
Año
Choques transitorios VAR vs.BFK

2.4
1,6
0,8
- 0.0
- 0,8
- 1,6
- 2,4
1950 1953 1956 1959 1962 1965 1968 1971 1974 1977 1980 1983 1986 1989
Año
VAR BFK
Figura 5
Choques tecnológicos: VAR versus BFK
interpretación realizada en Gal´ı́ (1999). Además, no podemos encontrar evidencia

que respalde la opinión de que los choques transitorios del VAR —que se mostró
en la Sección 2 como la principal fuente de fluctuaciones del ciclo económico en
horas y producción— pueden estar relacionados con cambios en la tecnología.
3.2 Robustez a las especi fi caciones VAR alternativas
Christiano, Eichenbaum y Vigfusson (2003) han cuestionado algunas de las

evidencias basadas en VAR sobre los efectos de los choques tecnológicos
encontradas en Gal´ı́ (1999) y Francis y Ramey (2003a), sobre la base de su falta de
robustez a la transformación del insumo de trabajo utilizado. En particular,
Christiano, Eichenbaum y Vigfusson (CEV) argumentan que la primera
diferenciación del (logaritmo) de horas per cápita puede distorsionar el signo de la
respuesta estimada de esa variable a un choque tecnológico, si esa variable es
realmente estacionaria. Específicamente, sus hallazgos, basados en un modelo
VAR bivariado en el que las horas (per cápita) se especifican en niveles
nortet ¼ nortetÞ—Implica que la producción, las horas y la productividad aumentan en
Dnorte
respuesta a un impacto tecnológico positivo. Por otro lado, cuando ellos

Utilizando una especificación de diferencia, obtienen resultados similares a
los reportados anteriormente, es decir, un comovimiento negativo entre
producción (o productividad) y horas en respuesta a choques tecnológicos.
Quizás lo más interesante es que CEV discute hasta qué punto los resultados
obtenidos bajo la especificación de nivel pueden explicarse bajo el supuesto
de que la especificación de diferencia es la correcta, y viceversa. Dados a
priori idénticos sobre las dos especificaciones, ese análisis abarcador los lleva
a concluir que las probabilidades a favor de la especificación de nivel en
relación con la especificación de diferencia son aproximadamente de 2 a 1.18
Los CEV obtienen resultados similares al incorporar variables adicionales en
el VAR.
Nuestras propias estimaciones de las respuestas dinámicas a un impacto tecnológico
cuando especificamos horas (per cápita) en niveles, de hecho, apuntan a algunas
diferencias cualitativas. En particular, la estimación puntual de la respuesta de impacto
de las horas trabajadas a una tecnología positiva es ahora positiva, aunque muy
pequeña. En contraste con los hallazgos en CEV, ese efecto de impacto y, de hecho, toda
la respuesta dinámica de las horas no es significativamente diferente de cero. Sin
embargo, el signo de las estimaciones puntuales es suficiente para generar una
correlación positiva (0,88) entre la producción y las horas condicionadas al choque
tecnológico. Como se informa en la segunda fila del Cuadro 1, bajo la especificación de
nivel, los choques tecnológicos todavía representan una fracción (relativamente)
pequeña de la varianza de la producción y
tabla 1
Los efectos de los choques tecnológicos en la producción y las horas en el sector empresarial no agrícola
Contribución a Condicional Impacto en norte y y
varDyÞ varDnorteÞ corrDy; norteÞ Sign Signi fi cación
Horas per cápita

Diferencia 0,07 0,05 0,08 /þ Sí Sí
Nivel 0,37 0,11 0,80 þ/þ No si
Desquiciado 0,07 0,05 0,11 /þ Sí Sí
Horas totales
Nivel 0,10 0,36 0,80 / Sí No
Desquiciado 0,15 0,36 0,80 /0 Sí No
horas en frecuencias de ciclo económico (37 y 11%, respectivamente), aunque

esa fracción es mayor que la que implican las estimaciones de la especificación de
diferencia.19
Si bien encontramos esclarecedor el enfoque abarcador adoptado por CEV,

su estrategia de comparaciones por pares con antecedentes uniformes
(que asigna mecánicamente un 1 2 antes de la especificación de nivel) puede
dar lugar a cierto sesgo en las conclusiones. En particular, una simple mirada a
una gráfica de la serie de tiempo para (log) horas per cápita trabajadas en los
Estados Unidos durante el período de posguerra, que se muestra en la Figura 6,
no sugiere estacionariedad, al menos en ausencia de más transformación. En
particular, y de acuerdo con las pruebas ADF y KPSS reportadas anteriormente, la
serie parece perfectamente consistente con un proceso de raíz unitaria, aunque
posiblemente no sea un paseo aleatorio puro. Sobre la base de una mirada
superficial a la misma gráfica, y asumiendo que se desea mantener el supuesto de
un proceso estacionario para el componente estocástico de (log) horas per cápita,
una función cuadrática del tiempo parecería ser más plausible. caracterización de
la tendencia que la constante implícita en el análisis de CEV. De hecho, una
regresión MCO de esa variable en una constante, tiempo y tiempo al cuadrado,
produce un coeficiente altamente significativo asociado con ambas variables de
tiempo. Una prueba de una raíz unitaria sobre el residual de esa regresión no
rechaza esa hipótesis, mientras que el KPSS no rechaza el nulo de estacionariedad,
a un nivel de significancia del 5% en ambos casos.20 La Figura 6 muestra la
tendencia cuadrática ajustada y el residual asociado, ilustrando gráficamente ese
punto. Cuando volvemos a estimar las respuestas dinámicas a un choque
tecnológico utilizando horas sin tendencia (logaritmos) per cápita, encontramos
nuevamente una disminución en las horas en
Registro de horas per cápita

107,5
105,0
102,5
100,0
97,5
95,0
92,5
90,0
87,5
85,0
1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 1996 2000
Año
Horas de registro per cápita sin tendencia

6
-2
-4
-6
-8
- 10
1948 1952 1956 1960 1964 1968 1972 1976 1980 1984 1988 1992 1996 2000
Año
Figura 6
Horas trabajadas, 1948-2002
respuesta a un choque tecnológico positivo, y una correlación condicional

ligeramente negativa (0,11) entre los componentes del ciclo económico de la
producción y las horas. Además, la contribución estimada de los choques
tecnológicos a la varianza de la producción y las horas es muy pequeña (7 y 5%,
esencialmente la misma que bajo la especificación de diferencias; ver Cuadro 1).21
Para evaluar aún más la solidez de los resultados anteriores, también hemos
realizado el mismo análisis utilizando una especificación del VAR utilizando una
medida alternativa de la mano de obra, a saber, (log) horas totales, sin una
normalización por población en edad de trabajar. Como debe quedar claro a partir
de la discusión en la Sección 3.1, la estrategia de identificación propuesta en Gal´ı́
(1999) e implementada aquí debería ser válida independientemente de si el
insumo de trabajo se mide en términos per cápita ya que la productividad del
trabajo es invariante a esa normalización.22 El segundo panel de la Tabla 1 resume
los resultados correspondientes a tres transformaciones alternativas consideradas
(primeras diferencias, niveles, destrending cuadrático). En los tres casos, se estima
que un choque tecnológico positivo tendrá un impacto negativo fuerte y
estadísticamente significativo en las horas trabajadas, al menos a corto plazo. Bajo
el nivel y las transformaciones sin tendencia, esa respuesta negativa de horas es lo
suficientemente fuerte como para reducir la producción en el corto plazo, a pesar
del aumento de la productividad. Sin embargo, tenga en cuenta que la
disminución estimada de la producción no es significativa en ninguno de los dos
casos.23 La contribución estimada de los choques tecnológicos a la varianza del
componente del ciclo económico de la producción y las horas es pequeña en todos
los casos, siendo la mayor proporción el 36% de la varianza de las horas, obtenida
por debajo del nivel y las especificaciones sin tendencia.
Como comprobación adicional de la solidez de nuestros hallazgos, también
hemos estimado todas las especificaciones del modelo discutidas
anteriormente utilizando el empleo como medida de la mano de obra (en
lugar de las horas) y el PIB real como medida de la producción. En la Tabla 2
se puede encontrar un resumen de nuestros resultados para las seis
especificaciones consideradas utilizando el empleo y el PIB. Los resultados
bajo esta especificación son mucho más uniformes: independientemente de
la transformación del empleo utilizada, nuestras estimaciones apuntan a una
disminución de esa variable en el corto plazo en respuesta a un choque
tecnológico positivo, así como una contribución muy limitada de los choques
tecnológicos a la variación del PIB y el empleo. Debemos enfatizar que
obtuvimos esos resultados incluso cuando especificamos la tasa de empleo
en niveles, aunque la disminución a corto plazo en el empleo no es
estadísticamente significativa en ese caso. En resumen,
Tabla 2
Los efectos de los choques tecnológicos sobre el PIB y empleo
Contribución a Condicional Impacto en norte y y
varDyÞ varDnorteÞ corrDy; norteÞ Firmar Signi fi cación
Tasa de empleo
Nivel 0,03 0,19 0,30 /þ Sí No
Desquiciado 0,15 0,04 0,43 /þ Sí Sí
Empleo total
Nivel 0,09 0,08 0,72 /þ Sí Sí
Desquiciado 0,09 0,09 0,68 /þ Sí No
en respuesta a un impacto tecnológico positivo, de manera consistente con la

literatura revisada en la Sección 2. La excepción corresponde a la especificación de
nivel de horas per cápita, pero incluso en ese caso la respuesta positiva estimada
de horas no parece ser significativa . En la mayoría de los casos, la contribución de
los choques tecnológicos a la varianza del componente cíclico de la producción y
las horas es muy pequeña y siempre por debajo del 40%. Finalmente, y
posiblemente con la excepción mencionada anteriormente, el patrón de
comovimiento de la producción y las horas en las frecuencias del ciclo económico
resultante de los choques tecnológicos no se parece al asociado con los ciclos
económicos estadounidenses de posguerra.
Fernald (2004) hace una importante contribución al debate al descubrir la
fuente más probable de la discrepancia de las estimaciones cuando las horas
se introducen en niveles. En particular, muestra la existencia de una
correlación de baja frecuencia entre el crecimiento de la productividad
laboral y las horas per cápita. Como se ilustra a través de una serie de
simulaciones, la presencia de tal correlación, aunque no está relacionada con
los fenómenos de interés de mayor frecuencia, puede distorsionar
significativamente las respuestas estimadas a corto plazo. Fernald ilustra ese
punto de manera más contundente al volver a estimar el VAR estructural en
su especificación de niveles (como en CEV), aunque permitiendo dos rupturas
de tendencia (estadísticamente significativas) en la productividad del trabajo
(en 1973: I y 1997: II): el impulso implícito las respuestas apuntan a una
disminución significativa de las horas en respuesta a un impacto tecnológico,
Evidencia adicional sobre las implicaciones de transformaciones alternativas de

horas utilizando series de tiempo anuales que abarcan más de un siglo
es proporcionado por Francis y Ramey (2003b). Sus hallazgos basados en

Los datos de EE. UU. Apuntan a una sensibilidad considerable de las estimaciones
en los períodos de submuestra y la elección de la transformación por horas. Para
evaluar la validez de las diferentes especi fi caciones, analizan sus implicaciones
para la persistencia de la respuesta de productividad a un choque no tecnológico,
la plausibilidad de los patrones de choques tecnológicos estimados, así como la
predictibilidad de estos últimos (la prueba de Hall-Evans ). Sobre la base de ese
análisis, concluyen que los rendimientos por horas en primer lugar y, en menor
medida, cuadráticamente sin tendencia son la especificación más plausible.
Francis y Ramey muestran que en sus datos, esas dos especificaciones preferidas
generan un comovimiento negativo a corto plazo entre horas y producción en
respuesta a un shock que tiene un efecto permanente sobre la tecnología en el
período de posguerra. En el período anterior a la Segunda Guerra Mundial, sin
embargo, la especificación de diferencia produce un aumento de horas en
respuesta a un impacto que eleva la productividad de forma permanente. Por otro
lado, cuando repiten el ejercicio utilizando datos del Reino Unido (y una
especificación de diferencia), encuentran un comovimiento negativo claro del
empleo y la producción tanto en los períodos de muestra anteriores a la Segunda
Guerra Mundial como en los de posguerra.24
A la luz de esos resultados y de los hallazgos en la literatura discutidos

anteriormente, concluimos que no hay evidencia clara que favorezca una interpretación
convencional de RBC de las fluctuaciones económicas como impulsadas en gran medida
por choques tecnológicos, al menos cuando estos últimos toman la forma asumida en
el estándar. modelo RBC de un sector. A continuación, consideramos cómo se ve
afectada la evaluación anterior una vez que tenemos en cuenta los choques
tecnológicos que son específicos de la inversión.
3.3 Choques tecnológicos específicos de la inversión
En una serie de artículos, Greenwood, Hercowitz y Huffman (1988) y

Greenwood, Hercowitz y Krusell (1997, 2000) proponen y analizan una versión
de un modelo RBC en el que la principal fuente de cambio tecnológico es
específica de la sector de inversión. En el marco propuesto, y en contraste
con el modelo RBC estándar, un choque tecnológico no tiene ningún impacto
inmediato en la función de producción. En cambio, afecta la tasa de
transformación entre el consumo actual y el capital productivo en el futuro.
Por lo tanto, cualquier efecto sobre la producción actual debe ser el resultado
de la capacidad de ese choque para provocar un cambio en la cantidad de
servicios de insumos contratados por las empresas. Greenwood, Hercowitz y
Krusell (GHK) motivan el interés por estudiar la
El papel potencial de los choques tecnológicos específicos de la inversión al señalar las

grandes variaciones en las medidas del precio relativo de los nuevos equipos
construidos por Gordon (1990), tanto a largo plazo como en las frecuencias de los ciclos
económicos. En particular, GHK (2000) analiza un modelo calibrado en el que los
choques tecnológicos específicos de la inversión son la única fuerza impulsora.
Concluyen que este último puede representar alrededor del 30% de las fluctuaciones de
la producción de EE. UU., Una cifra relativamente modesta en comparación con la
afirmación de la literatura RBC anterior con respecto a la contribución de los choques
tecnológicos agregados y neutrales del sector en versiones calibradas de modelos RBC
de un sector.
Fisher (2003) revisa la evidencia sobre los efectos de los choques tecnológicos y
su papel en el ciclo económico de EE. UU. Y utiliza un marco empírico que permite
choques tecnológicos específicos de inversión y de sector neutral identificados por
separado (a los que, siguiendo a Fisher, nos referimos a: respectivamente, como N-
shocks y I-shocks). De manera consistente con el esquema de identificación
propuesto en Gal´ı́ (1999), se permite que ambos tipos de choques tecnológicos
tengan un efecto permanente sobre la productividad laboral (en contraste con los
choques no tecnológicos). De una manera consistente con el marco GHK, solo se
permite que los choques tecnológicos específicos de la inversión afecten
permanentemente el precio relativo de los nuevos bienes de inversión. Utilizando
series de tiempo para la productividad laboral, horas per cápita, y el precio de los
equipos (como una relación con el deflactor de los bienes de consumo) elaborado
por Cummins y Violante (2002), Fisher estima las respuestas de impulso a los dos
tipos de choques y su contribución relativa a las fluctuaciones del ciclo económico.
Hemos realizado un ejercicio similar y hemos resumido algunos de los hallazgos
en la Tabla 3.25
Para cada tipo de choque tecnológico y especificación, la tabla informa su

contribución a la varianza del componente del ciclo económico de la
producción y las horas, así como la correlación condicional implícita entre
esas dos variables.
El panel superior de la Tabla 3 corresponde a tres especi fi caciones que utilizan
las horas trabajadas per cápita, la variable de insumo laboral a la que Fisher
(2003) restringe su análisis. No es sorprendente que nuestros resultados reproduzcan
esencialmente algunos de sus hallazgos. En particular, vemos que bajo las tres
transformaciones de las medidas de insumo de trabajo consideradas, se estima que los
choques N tienen una contribución insignificante a la varianza de la producción y las
horas en las frecuencias del ciclo económico, y que generan una correlación muy baja
entre esas dos variables. .
Los resultados de los I-shocks son diferentes al menos en dos aspectos. En
primer lugar, y como se destaca en Fisher (2003), los choques I generan una alta
Tabla 3
Choques tecnológicos específicos de la inversión: el modelo de Fisher
Contribución de N-shocks a: Contribución de los I-shocks a:
varDyÞ varDnorteÞ corrDy; norteÞ varDyÞ varDnorteÞ corrDy; norteÞ
Horas per cápita

Diferencia 0,06 0,06 0,09 0,22 0,19 0,94
Nivel 0,12 0,02 0,16 0,62 0,60 0,96
Desquiciado 0,08 0,07 0,03 0,10 0,09 0,94
Horas totales
Diferencia 0,07 0,06 0,05 0,16 0,14 0,94
Nivel 0,05 0,15 0,33 0,82 0,78 0,97
Desquiciado 0,10 0,28 0,62 0,09 0,08 0,93
Tasa de empleo
Diferencia 0,21 0,05 0,08 0,19 0,13 0,93
Nivel 0,08 0,08 0,32 0,86 0,89 0,95
Desquiciado 0,06 0,17 0,11 0,12 0,10 0,92
Empleo total
Diferencia 0,19 0,06 0,05 0,10 0,06 0,90
Nivel 0,04 0,16 0,25 0,64 0,52 0,96
Desquiciado 0,04 0,20 0,05 0,12 0,09 0,90
correlación entre producción y horas. La última columna de la Tabla 3 nos

dice que ese resultado es válido para todas las medidas y transformaciones
de insumos laborales consideradas. Como se argumentó en la introducción,
esa propiedad debe ser satisfecha por cualquier choque que juegue un papel
central como fuente de ciclos económicos. Por supuesto, esta es una
condición necesaria, no suficiente. El hecho de que la contribución de los
shocks I a las fluctuaciones del ciclo económico sea grande o no depende una
vez más de la transformación del insumo de trabajo utilizado. El cuadro 3
muestra que cuando esa variable se especifica en niveles, representa más de
la mitad de la varianza de la producción y las horas en las frecuencias del ciclo
económico, un resultado que parece ser independiente de la medida de
insumo laboral específica utilizada. Por otro lado, cuando las horas o el
empleo se especifican en las primeras diferencias o se desvían
cuadráticamente,
¿Qué concluimos de este ejercicio? En primer lugar, la evidencia no habla
con una sola voz: el hecho de que los shocks tecnológicos tengan un papel
destacado o no como fuente de ciclos económicos depende de la
transformación de la medida de la mano de obra utilizada en el análisis.
Quizás lo más interesante es que el análisis del modelo empírico anterior deja
en claro que si alguna forma de cambio tecnológico juega un papel
significativo como fuente de fluctuaciones económicas, no es probable que
sea del tipo agregado, neutral del sector, que los primeros RBC literatura
enfatizada, pero del tipo específico de inversión enfatizado en GHK (2000).
Finalmente, y dejando de lado la controvertida cuestión de la importancia de
los shocks tecnológicos, los hallazgos anteriores, así como los de Fisher
(2003), plantean una cuestión sumamente interesante: ¿por qué los shocks I parecen
generar el tipo de comovimiento positivo fuerte entre las medidas de producción y de
insumos laborales que caracteriza a los ciclos económicos, mientras que la propiedad
está notoriamente ausente cuando consideramos los shocks N? A continuación,
intentamos proporcionar una explicación parcial de esta aparente paradoja.
4. Explicación de los efectos de los choques tecnológicos
En esta sección, analizamos brevemente algunas de las explicaciones económicas

de la respuesta anómala de las medidas de insumos laborales a los choques
tecnológicos. Como una cuestión de contabilidad simple, el uso de insumos por
parte de las empresas (y mano de obra, en particular) disminuirá en respuesta a
un impacto tecnológico positivo solo si eligen (al menos en promedio) ajustar su
nivel de producción menos que proporcionalmente al aumento. en la
productividad total de los factores. En términos generales, podemos pensar en
dos amplias clases de factores que están ausentes en el modelo estándar de RBC y
que potencialmente podrían generar ese resultado. La primera clase implica la
presencia de fricciones nominales, combinada con ciertas políticas monetarias. El
segundo conjunto de explicaciones no está relacionado con la existencia de
fricciones nominales, por lo que nos referimos a él como explicaciones reales. Los
discutimos a continuación.
4.1 El papel de las fricciones nominales
Una posible explicación de la respuesta negativa de la mano de obra a un choque

tecnológico, presentada tanto en Gal´ı́ (1999) como en BFK (1999), se basa en la
presencia de rigideces nominales. Por principio, las rigideces nominales no deben,
en sí mismos, ser necesariamente una fuente de la respuesta observada del
empleo. Sin embargo, cuando los precios no son completamente flexibles, la
respuesta de equilibrio del empleo (o, en realidad, de cualquier otra variable
endógena) a cualquier choque real (incluido un choque tecnológico) esno
invariante a la regla de política monetaria vigente; en particular, estará
determinado por la forma en que la autoridad monetaria
reacciona al impacto en consideración.26 Por lo tanto, diferentes reglas de política

monetaria implicarán diferentes respuestas de equilibrio de la producción y el
empleo a un choque tecnológico, ceteris paribus.
Gal´ı́ (1999) proporcionó cierta intuición detrás de ese resultado al enfocarse
en una economía modelo estilizada en la que la relación yt ¼ metrot pagt
se mantiene en equilibrio,27 Las empresas fijan los precios por adelantado (lo que implica un
nivel de precios terminado), y el banco central sigue una regla simple de oferta
monetaria. Es fácil ver que, en ese contexto, el empleo experimentará una
disminución a corto plazo en respuesta a choques tecnológicos positivos, a menos
que el banco central expanda endógenamente la oferta monetaria (al menos) en
proporción al aumento de la productividad. Gal´ı́ (2003) muestra que el hallazgo
anterior se generaliza (para una amplia gama de valores de parámetros) a una
economía con fijación de precios escalonada y una elasticidad de interés de la
demanda de dinero más realista, pero aún una oferta de dinero exógena. En ese
caso, aunque todas las empresas experimentarán una disminución en su costo
marginal, solo una fracción de ellas ajustará sus precios a la baja en el corto plazo.
En consecuencia, el nivel de precios agregado disminuirá y los saldos reales y la
demanda agregada aumentarán. Sin embargo, cuando la fracción de empresas
que ajustan los precios es suficientemente pequeña, el aumento implícito de la
demanda agregada será menos que proporcional al aumento de la productividad.
Eso, a su vez, induce una disminución del empleo agregado.
Muchos economistas han criticado el argumento anterior basándose en que se

basaba en un supuesto específico y poco realista sobre cómo se conduce la
política monetaria, a saber, el de una regla basada en el dinero (por ejemplo,
Dotsey, 2002). En la siguiente subsección, abordamos esa crítica analizando los
efectos de los choques tecnológicos en el contexto de un modelo ilustrativo
simple con una estructura de fijación de precios escalonada más plausible, y una
política monetaria caracterizada por una regla de tasa de interés similar a la
propuesta por Taylor (1993). El modelo es lo suficientemente simple como para
generar expresiones de forma cerrada para las respuestas de la producción y el
empleo a las variaciones en la tecnología, lo que nos permite ilustrar los
principales factores que configuran esa respuesta y, por lo tanto, genera un
comovimiento negativo entre las dos variables.
4.1.1 Un modelo ilustrativo simple

El modelo que usamos para ilustrar el papel de las rigideces nominales y la política
monetaria en la configuración de los efectos de los choques tecnológicos es un
nuevo marco keynesiano estándar con fijación de precios escalonada a la Calvo
(1983). Su dinámica de equilibrio se puede resumir de la siguiente manera. En
Por el lado de la demanda, la producción está determinada por un tipo IS prospectivo

ecuación:
yt ¼ mitFytþ1gramo sDrt mitFpagtþ1gÞ D5Þ
dónde yt denota salida (log), rt es la tasa de interés nominal, y

pagt 1 pagt pagt 1 denota la tasa de in fl ación entre t 1 y t. Param-
eter s puede interpretarse ampliamente como una medida de la sensibilidad de
demanda agregada a los cambios en las tasas de interés y, por lo tanto, a la efectividad
de la política monetaria.
La inflación evoluciona de acuerdo con una nueva curva de Phillips keynesiana
prospectiva:
pagt ¼ BmitFpagtþ1g þ kDyt ytÞ D6Þ
dónde yt es el nivel natural de producción (o producción potencial), definido

como el que prevalecería en ausencia de fricciones nominales. El
variable yt también se puede interpretar como la producción de equilibrio generada por
algún modelo de ciclo económico real de fondo impulsado por la tecnología.
La ecuación anterior puede derivarse de la agregación de decisiones de fijación de
precios óptimas por empresas sujetas a restricciones de ajuste de precios a la Calvo
(1983). En ese contexto, coeficientek está inversamente relacionada con el grado de
rigidez de los precios: rigideces nominales más fuertes implican una menor respuesta
de inflación a cualquier dado secuencia de brechas de producción.
Para simplificar, asumimos que las variaciones aleatorias exógenas en la
productividad son la única fuente de fluctuaciones en la economía y, por lo tanto,
los determinantes del producto potencial. En consecuencia, postulamos la
siguiente expresión de forma reducida para la producción potencial:28
yt ¼ Cyat D7Þ
dónde at representa un parámetro tecnológico exógeno. El último

se supone que sigue un proceso AR (1) at ¼ raat 1 þ mit, dónde ra A ½0; 1.
Observe que bajo el supuesto de una función de producción agregada
de la forma yt ¼ at þ ð1 aÞnortet, podemos derivar la siguiente expresión para
el nivel natural de empleo nortet:
nortet ¼ Cnorteat
dónde Cnorte 1DCy 1Þ = ð1 aÞ. Ya que queremos pensar en lo anterior

condiciones como una representación de forma reducida del equilibrio de un
modelo RBC calibrado estándar (sin tener que especificar sus detalles),
es natural asumir Cy B1 (y por tanto Cn> 0). En ese caso, un choque tecnológico
positivo genera un aumento tanto en la producción como en
empleo, como generalmente implican los modelos RBC bajo calibraciones

convencionales. Es precisamente esta propiedad la que hace posible que cualquier
modelo RBC impulsado por la tecnología genere fluctuaciones de equilibrio que
reproduzcan algunas características clave de los ciclos económicos observados,
incluido un comovimiento positivo de la producción y el empleo.29
En ese contexto, una pregunta natural es: ¿En qué medida el comovimiento de
la producción y el empleo en respuesta a los choques tecnológicos que se
encuentran en la evidencia descrita anteriormente es el resultado de la forma en
que se ha llevado a cabo la política monetaria en los Estados Unidos y otras
economías industrializadas? Para ilustrar ese punto, usamos el modelo simple
anterior y derivamos las implicaciones para los efectos de los choques
tecnológicos de que el banco central siga una regla de tasa de interés de la forma:
rt ¼ Fpagpagt þ Fy yt D8Þ
Taylor (1993) y otros han propuesto una regla similar a la ecuación (8) como una
buena caracterización de la política monetaria en los Estados Unidos y otras
economías industrializadas en las últimas décadas. Observe que, como en Taylor,
asumimos que la autoridad monetaria responde al producto (o sus desviaciones
de la tendencia) y no a la brecha del producto. Vemos esto como una descripción
más realista de las políticas reales (que enfatizan la estabilización del producto) y
consistente con el hecho de que el concepto de producto potencial utilizado aquí,
si bien es necesario para construir cualquier medida de la brecha del producto, no
puede ser observado por el hacedor de políticas.30
Combinando la ecuación (8) con las condiciones de equilibrio en las ecuaciones

(5) y (6), podemos derivar la siguiente expresión de forma cerrada para equi-
salida de librium:
yt ¼ YCyat
1Cyat
dónde
kDFpag raÞ
Y1 D1 braÞ½s 1D1 raÞ þ Fy þ kDFpag
raÞ
Observe que bajo la suposición (débil) de que Fp> ra, tenemos 0 < Ya1. El
hecho de que Y es mayor que 0 garantiza que un positivo
El impacto tecnológico (negativo) aumenta (reduce) la producción, como en el
modelo RBC estándar. Por otro lado,Ya1 implica que:
Cy aCy
es decir, en presencia de fricciones nominales, el tamaño de respuesta de la salida

a un choque tecnológico, Cy, Isdelimitado anteriormente por lo que implica el
modelo de RBC correspondiente DCyÞ cuando el banco central sigue la regla
de la ecuación (8). Por lo tanto, la combinación de precios rígidos y Taylor
La regla tenderá a sobreestabilizar la fluctuación del producto resultante de
los choques tecnológicos. Podemos interpretar el parámetroY como un índice
de acomodación efectiva de políticas, es decir, uno que mide el grado en que
la regla de Taylor de la ecuación (8) acomoda los cambios en el producto
potencial resultantes de variaciones en los choques tecnológicos, dada la
persistencia de estos últimos y el resto de los parámetros que describen la
economía. Observe que el índice de acomodación efectiva de políticasY es
aumentando el tamaño del coeficiente de inflación en la regla de Taylor DFpagÞ,
y en la efectividad de los cambios de interés (como se refleja en s). Tambien es
positivamente relacionado con k (y, por tanto, inversamente relacionada con el grado
de rigidez de los precios). Por otro lado, se relaciona inversamente con el tamaño de
el coeficiente de salida en la regla de Taylor DFyÞ.
Pasemos ahora a la respuesta de equilibrio del empleo a una
sho! ck tecnológico, que viene dado por:
1
norte
t ¼ YCy at
1a
1Cnorteat
Observe que, de forma análoga al caso de salida, tenemos Cnorte aCnorte.

En otras palabras, el tamaño de la respuesta del empleo a un (positivo)
El impacto tecnológico en presencia de fricciones nominales está limitado por
el tamaño de la respuesta generada por el modelo RBC sin fricción
subyacente. Está claro que el impacto de un choque tecnológico sobre el
empleo puede ser positivo o negativo, dependiendo de la configuración de
los valores de los parámetros.
Podemos tener una idea del signo probable y la magnitud plausible de
Cnorte mediante el uso de valores convencionales utilizados en ejercicios de calibración
en la literatura que involucran modelos similares. Así, Rotemberg y Woodford
(1999), las estimaciones, basadas en la respuesta a los choques de política monetaria, implican
un valor de 0.024 para k. Un valor unitario se utiliza a menudo como límite superior.
por s. Los valores ampliamente utilizados de Taylor para Fpag y Fy son 1,5 y 0,5, respectivamente.
tivamente. En calibraciones estándar de glóbulos rojos, la suposiciónra ¼ 0:95 es a menudo
hecho. Finalmente, podemos configurarB ¼ 0:99 y a ¼ 1 3, dos valores que no son
polémico. Bajo esos supuestos, obtenemos un valor paraY de
0,28. La última cifra apunta a un grado relativamente bajo de acomodación
efectiva de las políticas.
Utilizando un modelo RBC calibrado estándar, Campbell (1994) obtiene un

rango de valores para Cy entre 1 y 2,7, dependiendo de la persistencia del
shock y la elasticidad de la oferta laboral. En particular, dado un
elasticidad de la oferta laboral unitaria y un 0.95 autocorrelación en la tecnología
proceso, obtiene una elasticidad Cy de 1,45, que adoptamos como nuestro
valor de referencia.31 Cuando combinamos este último con nuestro calibrado
valor por Y calculado, obtenemos una elasticidad de referencia implícita de
empleo Cnorte igual a 0,87.
El ejercicio de calibración anterior, aunque ciertamente rápido y suelto,
ilustra esa condición Cn < Es probable que 0 se mantenga en una amplia gama
de valores de parámetros razonables. En esas circunstancias, y sujeto
A la salvedad que implica la simplicidad del modelo y la caracterización de la
política monetaria, es difícil interpretar el comovimiento negativo entre el
producto y el empleo observado en los datos como un rompecabezas, como
se ha hecho a menudo.32
En su artículo fundamental, Prescott (1986b) concluyó su descripción de las
predicciones del paradigma RBC afirmando: “En otras palabras, la teoría
[RBC] predice lo que se observa. De hecho, si la economía no mostrara los
fenómenos del ciclo económico, habría un enigma ''. A la luz del análisis
anterior, tal vez deberíamos pensar en darle la vuelta al dicho de Prescott y
argumentar que si, como resultado de variaciones tecnológicas, la economía
sí mostraba el típico comovimiento positivo entre la producción y el empleo
que caracteriza el ciclo económico, ¡entonces habría un rompecabezas!
4.1.2 Rigideces nominales y efectos de shocks tecnológicos específicos

de la inversión
La lógica detrás del impacto de las rigideces nominales sobre los efectos de los
choques tecnológicos neutrales del sector agregado convencional, en los que se
centra la discusión anterior, también parecería consistente con los efectos
estimados de los choques tecnológicos específicos de la inversión, como se
informa en Fisher (2003). y discutido en la Sección 3 anterior. El argumento puede
formularse con mayor claridad en el contexto de una versión de precio rígido de
un modelo como el del modelo GHK (2000). Una vez más, digamos por simplicidad
que la relacion yt ¼ metrot pagt se mantiene en equilibrio, y que tanto
metrot y pagt están predeterminados en relación con el impacto. En ese caso, las
empresas querrán producir la misma cantidad del bien pero, por el contrario,
En el caso de los choques tecnológicos neutrales, para hacerlo necesitarán
emplear el mismo nivel de insumos, ya que la eficiencia de estos últimos no
se ha visto afectada (solo los bienes de capital recién comprados mejorarán
esa productividad en el futuro). Esa propiedad de los choques I se ilustra en Smets

y Wouters (2003a) en el contexto de un modelo DSGE mucho más rico. En
particular, esos autores muestran que incluso en presencia de rigideces
sustanciales de precios y salarios estimadas para la economía de EE. UU., Un
choque I positivo hace que la producción y el insumo de trabajo aumenten
simultáneamente, de una manera consistente con la evidencia VAR de Fisher
(2003). . De hecho, como se muestra en Smets y Wouters (2003a), el patrón
cualitativo de la respuesta conjunta de producción y horas a un I-shock no se ve
muy afectado cuando simulan el modelo con todas las rigideces nominales
desactivadas.
4.1.3 Evidencia sobre el papel de las rigideces nominales

Varios artículos recientes han proporcionado evidencia, a menudo indirecta, sobre el
posible papel de las rigideces nominales como fuente de la brecha entre las respuestas
estimadas de las medidas de producción y de insumos laborales a un choque
tecnológico y las predicciones correspondientes de un modelo RBC. A continuación,
describimos brevemente una muestra de esos artículos.
Los modelos con rigideces nominales implican que la respuesta de la economía
a un choque tecnológico (o a cualquier otro choque, para el caso) generalmente
dependerá de la respuesta endógena de la autoridad monetaria y, por lo tanto, no
debería ser invariable con el régimen de política monetaria vigente. . Gal´ı́, López-
Salido y Vallés (2003) explotan esa implicación y tratan de descubrir cualquier
diferencia en la respuesta estimada a un choque tecnológico identificado entre
períodos de submuestra. Basándose en la literatura que apunta a diferencias
significativas en la conducción de la política monetaria entre los períodos pre-
Volcker y Volcker-Greenspan, estiman un VAR estructural de cuatro variables con
una restricción de largo plazo como en Gal´ı́ (1999) para cada uno de esos
períodos de submuestra. Su evidencia apunta a diferencias significativas en las
respuestas estimadas a un impacto tecnológico. En particular, muestran que la
disminución de horas en respuesta a un impacto tecnológico positivo es mucho
más pronunciada en el período anterior a Volcker y apenas es significativa en
Volcker-Greenspan. Esa evidencia es consistente con la idea de que la política
monetaria en el último período se ha centrado más en la estabilización de la
inflación y no tanto en la estabilización de la actividad económica.33
Marchetti y Nucci (2004) proporcionan algunas pruebas a nivel microeconómico, que

explotan un conjunto de datos detallados que contienen información sobre la producción, los
insumos y las prácticas de fijación de precios para un gran panel de empresas manufactureras
italianas. Utilizando un enfoque residual de Solow modificado, construyen una serie de tiempo
para la productividad total de los factores a nivel de empresa,
y estimar las respuestas de una serie de variables específicas de la empresa a

una innovación en la medida tecnológica correspondiente. Entre otros
hallazgos, proporcionan evidencia de un efecto de impacto negativo de un
choque tecnológico en el insumo de trabajo. Lo más interesante es que
Marchetti y Nucci también explotan información específica de la empresa con
respecto a la frecuencia de los ajustes de precios. Dividieron la muestra de
empresas de acuerdo con la frecuencia de sus revisiones de precios:
empresas de precios flexibles (ajustan los precios cada tres meses o más a
menudo) y empresas de precios rígidos (ajustan cada seis meses o con
menos frecuencia). Encuentran que la respuesta negativa del empleo a un
impacto tecnológico positivo es mayor (y significativa) en el caso de las
empresas de precios rígidos, y mucho más débil (y estadísticamente
insignificante) para las empresas de precios flexibles.34
4.2 Explicaciones reales
Varios autores han propuesto explicaciones para la evidencia descrita en la Sección 2

que no se basan en la presencia de rigideces nominales. Tales explicaciones reales
generalmente implican alguna modificación del modelo estándar de RBC. A
continuación, describimos brevemente algunas de esas explicaciones.
Francis y Ramey (2003a) proponen dos modi fi caciones de un modelo RBC
por lo demás estándar que potencialmente puede explicar el comovimiento
negativo de la producción y las horas en respuesta a un impacto tecnológico.
El primer modelo incorpora la formación de hábitos en el consumo y los
costos de ajuste de capital. Como se muestra en Francis y Ramey, una versión
calibrada de ese modelo puede explicar muchos de los efectos estimados de
los choques tecnológicos. En particular, la respuesta a una mejora
permanente en la tecnología de consumo, inversión y producción es más
lenta que en el modelo estándar sin hábitos ni costos de ajuste de capital. Si
ese efecto amortiguador es suficientemente fuerte, el aumento de la
producción puede ser menor que el aumento de la productividad en sí,
provocando así una reducción de las horas.35 Un mecanismo similar subyace
en la modificación del modelo básico de RBC propuesto por Wen (2001),
quien asume una función de utilidad con un nivel de consumo de
subsistencia (equivalente a un hábito constante).
La segunda modi fi cación del modelo RBC propuesto por Francis y Ramey
(2003a) depende del supuesto de no sustituibilidad debido a
entre trabajo y capital en la producción. En ese contexto, la única forma de

aumentar la producción a corto plazo es aumentando la semana laboral del
capital. Horas más allá de la semana laboral estándar generan una desutilidad
adicional. En tal modelo, se muestra que un aumento permanente en la tecnología
de aumento de mano de obra genera una disminución a corto plazo en horas. La
intuición es simple, y en el análisis final no muy diferente de otras modificaciones
propuestas. Si bien la producción aumenta a corto plazo (debido a mayores
oportunidades de inversión), ese aumento no es suficiente para compensar el
hecho de que ahora se puede producir cualquier cantidad de producción con
menos empleo (por turno) y una semana laboral más corta.
Rotemberg (2003) desarrolla una versión del modelo RBC en el que el cambio
tecnológico se difunde mucho más lentamente de lo que implican las especificaciones
convencionales que se encuentran en la literatura sobre RBC. La velocidad a la que se
adopta la tecnología se calibra sobre la base de los microestudios sobre la velocidad de
difusión. Rotemberg muestra que cuando el proceso de tecnología fluida está integrado
en el modelo RBC, genera pequeñas fluctuaciones a corto plazo en la producción y el
empleo, que en gran medida no están relacionadas con las variaciones cíclicas
asociadas con una medición sin tendencia del empleo y la producción. En particular,
una innovación positiva a la tecnología que se difunde muy lentamente genera un
efecto riqueza muy grande (en relación con el tamaño de la innovación), que a su vez
lleva a los hogares a incrementar su consumo de ocio. Como resultado, tanto las horas
como la producción experimentan una disminución a corto plazo en respuesta a un
impacto tecnológico de un tamaño típico antes de que aumenten gradualmente por
encima de sus niveles iniciales. Debido a que esas respuestas son tan suaves, implican
movimientos muy pequeños en frecuencias cíclicas. De ello se desprende que los
choques tecnológicos con tales características sólo explicarán una pequeña fracción de
las fluctuaciones cíclicas observadas en la producción y las horas.
Collard y Dellas (2002) enfatizan un mecanismo adicional, específico de una

economía abierta, a través del cual los choques tecnológicos pueden inducir
comovimientos negativos a corto plazo entre el producto y el insumo de trabajo
incluso en ausencia de rigideces nominales. Analizan un modelo RBC de dos
países con sustituibilidad imperfecta entre bienes de consumo interno y externo.
Si esa sustituibilidad es lo suficientemente baja, un choque tecnológico positivo en
el país de origen desencadena un gran deterioro en sus términos de intercambio
(es decir, una gran caída en el precio de los bienes nacionales en relación con los
bienes extranjeros). Ese cambio en los precios relativos puede inducir a los
hogares a aumentar su consumo de ocio con cualquier salario de producto dado,
contrayendo así la oferta laboral y reduciendo las horas. El análisis cuantitativo de
una versión calibrada de su modelo.
sugiere que, si bien los choques tecnológicos pueden ser una fuente no despreciable de
fluctuaciones en la producción, es probable que su papel sea muy pequeño como fuerza
impulsora detrás de las fluctuaciones de horas.
Los artículos analizados en esta sección proporcionan ejemplos de
economías modelo que pueden dar cuenta de la evidencia sobre los efectos
de los choques tecnológicos sin depender de fricciones nominales. Sobre la
base de esa evidencia, no es posible clasificar el papel relativo que juegan las
fricciones nominales y reales en la contabilidad de la evidencia. La razón es
simple: no existe un mapeo claro entre los coeficientes estimados en un VAR
estructural y los parámetros estructurales subyacentes que determinan el
grado de esas fricciones. Como resultado, los VAR estimados no pueden
servir como base para el tipo de simulaciones contrafácticas que nos
permitirían descubrir los efectos implícitos de los choques tecnológicos si no
existieran fricciones nominales o reales. Tales ejercicios contrafácticos
requieren el uso de un modelo estructural estimado. En la siguiente sección,
5. Choques tecnológicos y ciclo económico en un modelo DSGE

estimado
En esta sección, tratamos de clasificar los méritos de los dos tipos de explicaciones
discutidas anteriormente mediante la estimación y el análisis de un marco que
incorpora ambos tipos de fricciones y que es lo suficientemente rico para ser
llevado a los datos. Las características que incorporamos incluyen formación de
hábitos en el consumo, fijación escalonada de precios y salarios a la Calvo,
indexación flexible de salarios y precios a una inflación rezagada y una regla de
política monetaria de tipo Taylor con suavizado de tipos de interés.
En la literatura se pueden encontrar varios ejemplos de modelos estimados de
equilibrio general. Nuestro marco está más estrechamente relacionado con el
utilizado en Rabanal (2003), con dos diferencias principales. Primero, permitimos
una raíz unitaria en el proceso de tecnología de una manera consistente con los
supuestos subyacentes a la estrategia de identificación perseguida en la Sección
2. En segundo lugar, ignoramos el mecanismo de canal de costos permitido en Rabanal.
(2003), a la luz de la evidencia en ese documento que sugiere un papel
insignificante para ese mecanismo.
Estimamos los parámetros del modelo utilizando métodos bayesianos y
enfocamos nuestro análisis en las implicaciones del modelo estimado con
respecto a los efectos de los choques tecnológicos y la contribución de estos
últimos al ciclo económico. El uso de un modelo estructural estimado nos
permite determinar, mediante simulaciones contrafácticas, la
papel que juegan diferentes factores en la contabilización de los efectos estimados de los
choques tecnológicos. Por último, pero no menos importante, el modelo estimado nos da una
indicación de la naturaleza de los shocks que han jugado un papel dominante como fuente de
los ciclos económicos de la posguerra.
El uso de métodos bayesianos para estimar modelos DSGE se ha
incrementado en los últimos años, en una variedad de contextos.36
FernándezVillaverde y Rubio-Ram´ı́rez (2004) muestran que la estimación de
parámetros es consistente en el marco bayesiano incluso bajo una
especificación errónea del modelo. Smets y Wouters (2003a, 2003b) estiman
un modelo con acumulación de capital y rigideces tanto nominales como
reales para el área europea y Estados Unidos. Lubik y Schorfheide (2003b)
utilizan el marco bayesiano para estimar un modelo a pequeña escala que
permite la indeterminación. Rabanal (2003) estima un modelo de equilibrio
general para Estados Unidos y el área europea en busca de efectos de canal
de costos de la política monetaria.37
A continuación, resumimos el conjunto de condiciones de equilibrio del modelo.38
El lado de la demanda del modelo está representado por la ecuación de Euler:
BDyt ¼ mitFDytþ1g ð1 BÞðrt mitFpagtþ1gÞ þ ð1 rgramoÞð1 BÞgramot D9Þ
que modifica la ecuación (5) anterior al permitir cierta formación de hábitos

externos (indexados por parámetro B) e introduciendo una preferencia
choque Fgramotgramo que sigue un proceso AR (1) con coeficiente rgramo. La ecuación
subyacente (9) es una suposición de que las preferencias son separables entre
entre consumo y horas, y logarítmico en la cuasidiferencia de consumo para
preservar la propiedad de la trayectoria de crecimiento equilibrado.39 La
producción agregada y las horas están relacionadas mediante la función de
producción log-lineal simple:
yt ¼ at þ nortet
Usar una tilde para denotar variables normalizadas por la productividad actual
(para inducir la falta de movimiento), tenemos:
aa¼ ~
t norte t
D10Þ
La linealización logarítmica de la condición óptima de fijación de precios alrededor del estado

estacionario de inflación cero produce una ecuación que describe la dinámica de la inflación
en función de las desviaciones del margen de ganancia promedio (logarítmico)
desde su nivel de estado estacionario, que denotamos por metropag t:40
pagt ¼ gramoBpagt 1 þ gramoF mitFpagtþ1gramo kpagDmetropag

t tutÞ D11Þ
dónde gramoB ¼ hp =D1 þ bhpagÞ, gramoF ¼ b =D1 þ bhpagÞ, kpag ¼ ð1 porpagÞð1 ypagÞ =
ypagD1 þ hpagBÞ, ypag es la probabilidad de no ajustar los precios en un determinado
período, y hpag A ½0; 1 es el grado de indexación de precios a la inflación rezagada.
ción. Darse cuenta demetropag t ¼ Iniciar sesiónDWt =PAGtAtÞ1 oo
~t es el margen de precio, donde
o~t ¼ ot at es el salario real por unidad de e fi ciencia. Variabletut denota
variaciones exógenas en el margen de precio deseado.
La linealización logarítmica de la condición óptima de fijación de salarios
produce la siguiente ecuación para la dinámica del salario real (normalizado):
1 B 1 B
o~t ¼ o~t 1 þ mi o~
tþ1gramo Dat þ mitFDatþ1gramo
1þB 1 þ B tFo 1þB 1þ B
D1 þ bhwÞ B k w Dmetrow
þh pagt 1 pagt þ t pagt t v tÞ D12Þ
1þBw 1þ
B 1þ
B mi F 1þ
B
þ1gramo
dónde yw denota la fracción de trabajadores que no reoptimizan su

sueldo, hw A ½0; 1 es el grado de indexación salarial a la inflación rezagada, yk
w1D1 ywÞð1 porwÞ =ywD1 þ miwjÞ, y miw es la elasticidad salarial de la
demanda de trabajo en el estado estacionario. También note quemetrow o~

t 1o t
ðð1 =D1 BÞÞaat ~ Db =D1 BÞÞaa
t1
~ gt þ ðb =D1 BÞÞDat þ jnortetÞ es el salario
margen. Variablevt denota variaciones exógenas en el margen salarial
deseado.
Finalmente, cerramos el modelo asumiendo que la autoridad monetaria ajusta
las tasas de interés en respuesta a cambios en la inflación y el producto.
crecimiento según la regla:
rt ¼ Frrt 1 þ ð1 FrÞFpagpagt þ ð1 FrÞFyDyt þ zt D13Þ
dónde z es
t un shock monetario exógeno.41
Se supone que las variables impulsoras exógenas evolucionan de la siguiente manera:
at ¼ at 1 þ mia t
gramot ¼ rgramogramot 1 þ migramo

t
tut ¼ rtutut 1 þ mitut
vt ¼ rvvt 1 þ miv t
zt ¼ mizt
Note que mientras no observamos o o~t y aa ~ t, las dos variables son

relacionados de la siguiente manera:
ot yt ¼ oo~t aa
t
~
y ot yt es una variable observable, que debe ser estacionaria en

equilibrio. En la siguiente sección, explicamos cómo escribir la probabilidad
función de la campana en términos de las cinco variables observables: crecimiento del
producto, in fl ación, tasa de interés nominal, horas y razón salario-producto real.
5.1 Estimación de parámetros
5.1.1 Datos
Estimamos el modelo presentado en la sección anterior utilizando series de tiempo
trimestrales de Estados Unidos para cinco variables: producción real, inflación, salarios
reales, horas y tasas de interés. El período de muestra es de 1948: 1 a 2002: 4. Para
mantener la coherencia con el análisis de la Sección 2, utilizamos la misma serie para la
producción y las horas. Nuestra medida de los salarios nominales es la compensación
por hora en el sector empresarial no agrícola (LXNFC), y la medida del nivel de precios
es el deflactor del sector empresarial no agrícola (LXNFI). Finalmente, utilizamos las
lecturas diarias promedio trimestrales de la letra del tesoro a 3 meses (FTB3) como la
tasa de interés nominal relevante. Para convertir la serie en estacionaria, detendemos
las horas y la relación salario-producción real utilizando una tendencia cuadrática.
Tratamos la inflación, el crecimiento del producto y la tasa de interés nominal como
estacionarios, y los expresamos en desviaciones de la media muestral.
Como es bien sabido por la regla de Bayes, la distribución posterior de los

parámetros es proporcional al producto de la distribución previa de los
parámetros y la función de verosimilitud de los datos. Hasta hace poco, solo
se podían utilizar distribuciones estándar y conocidas. El advenimiento de los
procesadores informáticos rápidos y los métodos de Markov Chain Monte
Carlo (MCMC) ha eliminado esta restricción, y se puede utilizar una clase más
general de modelos y distribuciones.42 Para implementar el método de
estimación bayesiano, necesitamos poder evaluar numéricamente la función
previa y de verosimilitud. Luego utilizamos el algoritmo Metropolis-Hastings
para obtener extractos aleatorios de la distribución posterior, de los cuales
obtenemos los momentos relevantes de la distribución posterior de los
parámetros.
5.1.2 La función de verosimilitud

Dejar C denotar el vector de parámetros que describen preferencias, tecnología
nología, la regla de política monetaria y los choques del modelo; Dt
ser el vector de variables endógenas (observables o no); zt ser el vector de los
choques; ymit ser el vector de las innovaciones. El sistema de
Las condiciones de equilibrio y el proceso de los choques exógenos se pueden escribir

como una ecuación en diferencias de segundo orden:
ADCÞmitFDtþ1g ¼ BDCÞDt þ CDCÞDt 1 þDDCÞzt
zt ¼ norteDCÞzt 1 þ mit
tÞ ¼ SDCÞ
miDmitmi0
Usamos métodos de solución estándar para modelos lineales con expectativas

racionales (ver, por ejemplo, Uhlig, 1999) para escribir la ley del movimiento en
forma de espacio de estados y el filtro de Kalman, como en Hamilton (1994), para
evaluar la probabilidad de las cinco variables observables Xt ¼ ½rt; pagt; ot
0
yt; norte
t; Dyt. Denotamos por LðfXtgramoT t¼1 j CÞ la función de probabilidad de
FXtgramoT
t¼1.
5.1.3 Priores
En esta sección, denotamos por PAGDCÞ la distribución previa de los parámetros.
Presentamos la lista de los parámetros estructurales y sus distribuciones previas
asociadas en las primeras tres columnas de la Tabla 4. La mayoría de las
anteriores involucran distribuciones uniformes para los parámetros, que
simplemente restringen el soporte. Usamos distribuciones uniformes para el
parámetro que explica la formación de hábitos, para las probabilidades de las
loterías Calvo y para los parámetros de indexación. El previo para todos estos
parámetros tiene soporte entre 0 y 1, excepto las probabilidades de la lotería
Calvo, que pueden tomar valores hasta 0.9; es decir, descartamos duraciones
promedio de precios y salarios de más de 10 trimestres.
Tratamos de complementar tanta información previa como sea posible para los
choques exógenos del modelo. Los coeficientes AR (1) tienen distribuciones previas
uniformes entre 0 y 0,97. Se asumen distribuciones gamma para las desviaciones
estándar de los choques (para garantizar la no negatividad). Seleccionamos sus
hiperparámetros para hacer coincidir la información disponible para la desviación
estándar media anterior de las innovaciones, al tiempo que permitimos una
incertidumbre razonable en estos parámetros. Por ejemplo, para la regla de política
monetaria, elegimos las medias de los coeficientes de crecimiento de la inflación y del
producto para que coincidan con los propuestos por Taylor.43 Para el choque de política
monetaria, usamos la desviación estándar que proviene de ejecutar una regresión de
MCO para la ecuación de la regla de Taylor.
Además, arreglamos algunos parámetros. Fijamos el factor de descuento en
B ¼ 0:99. Las elasticidades de la demanda de productos y mano de obra se establecen en 6 (lo que
implica márgenes de ganancia de estado estacionario del 20%). Estos valores son bastante
convencionales en la literatura.
Cuadro 4
Distribuciones anteriores y posteriores
Distribución previa Distribución posterior
Paraca- Estándar Estándar

metro Significar desviación Significar desviación
B UniformeD0; 1Þ 0,50 0,289 0,42 0,04

j NormalD1; 0:25Þ 1,00 0,25 0,80 0,11
ypag UniformeD0; 0: 9Þ 0,45 0,259 0,53 0,03
yw UniformeD0; 0: 9Þ 0,45 0,259 0,05 0,02
hpag UniformeD0; 1Þ 0,50 0,289 0,02 0,02
hw UniformeD0; 1Þ 0,50 0,289 0,42 0,28
rr UniformeD0; 0:97Þ 0.485 0,284 0,69 0,04
Fy NormalD0: 5; 0: 125Þ 0,50 0,13 0,26 0,06
Fpag NormalD1: 5; 0:25Þ 1,50 0,25 1,35 0,13
rgramo UniformeD0; 0:97Þ 0.485 0,284 0,93 0,02
rtu UniformeD0; 0:97Þ 0.485 0,284 0,95 0,02
rv UniformeD0; 0:97Þ 0.485 0,284 0,91 0,01
sz GamaD25; 0: 0001Þ 0,0025 0,0005 0,003 0.000
sa GamaD25; 0: 0004Þ 0,01 0,002 0,009 0,001
sgramo GamaDdieciséis; 0: 00125Þ 0,02 0,005 0,025 0,0024
stu GamaD4; 0: 0025Þ 0,01 0,005 0,011 0,001
sv GamaD4; 0: 0025Þ 0,01 0,005 0,012 0,001
5.1.4 Dibujo de la parte posterior

De la regla de Bayes, obtenemos la distribución posterior de los parámetros de la
siguiente manera:
pagDC jfXtgramoT
t¼1ÞzLðfXtgramoT t¼1 j CÞPAGDCÞ
La función de densidad posterior es proporcional al producto de la función de

verosimilitud y la función de densidad articular previa de C. Dados nuestros a
priori y las funciones de verosimilitud implícitas en la solución de espacio de
estados del modelo, no podemos obtener una solución de forma cerrada
para las distribuciones posteriores. Sin embargo, podemos evaluar ambas
expresiones numéricamente. Seguimos a Fernández-Villaverde y RubioRam
´ı́rez (2004) y Lubik y Schorfheide (2003a) y usamos el algoritmo de caminata
aleatoria Metropolis-Hastings para obtener un sorteo aleatorio de tamaño.
500.000 de pagDC jfXtgramoT t¼1; metroÞ. Usamos el sorteo para estimar el
momentos de la distribución posterior y para obtener respuestas de impulso
y segundos momentos de las variables endógenas.
5.2 Principales hallazgos
5.2.1 Estimaciones de parámetros y segundos momentos

Las dos últimas columnas de la Tabla 4 informan la media y la desviación
estándar de las distribuciones posteriores para todos los parámetros. Nótese
que el parámetro de formación de hábito se estima en 0.42, un valor algo
menor que el sugerido por Christiano, Eichenbaum y Evans (2003) o Smets y
Wouters (2003b). El parámetro que mide la elasticidad de la desutilidad
marginal de las horas,j, se estima en 0,80, valor cercano a los valores
habitualmente obtenidos o calibrados en la literatura.
La duración media de los contratos de precios implícita en la estimación puntual del

parámetro de rigidez de precios se sitúa ligeramente por encima de los dos trimestres.
Consideramos esta estimación como una cantidad moderada de rigidez de precios en la
economía. Quizás lo más sorprendente es el bajo grado de rigidez salarial descubierto
por nuestro método de estimación. Una estimación tan baja e inverosímil puede sugerir
que el modelo de Calvo no es el mejor formalismo para caracterizar la dinámica salarial.
44
El coeficiente de indexación de precios se estima en un valor bajo, 0.04, lo que

sugiere que el modelo prospectivo puro es una buena aproximación para la
dinámica de la in fl ación, una vez que permitimos los shocks autorregresivos del
margen de precios. Por otro lado, la indexación en la fijación de salarios es más
importante, con una media posterior de 0,42. Los coeficientes de la regla de la
tasa de interés sugieren un alto grado de suavización de la tasa de interés, 0,69,
una pequeña respuesta de la tasa de interés a las fluctuaciones del crecimiento
del producto y un coeficiente de respuesta de la tasa de interés a la inflación de
1,33, que corresponde a -política-monetaria-contra-el-viento. Los procesos
estimados para los shocks del modelo sugieren que todos ellos están altamente
autocorrelacionados, con parámetros entre 0,95 para el shock de margen de
precios y 0,91 para el shock de margen salarial.45
La Tabla 5 muestra algunos segundos momentos posteriores seleccionados

implícitos en las estimaciones del modelo y los compara con los datos.46 Las dos
primeras columnas presentan la desviación estándar de las variables observadas y
sus contrapartes implícitas en el modelo estimado. Podemos ver que el modelo
hace un muy buen trabajo al replicar las desviaciones estándar del producto, la
inflación y la tasa de interés nominal. El modelo también funciona bien al imitar la
correlación incondicional entre las tasas de crecimiento de las horas y la
producción: en los datos, es 0,75; en el modelo, es 0,72. Sin embargo, sobreestima
la desviación estándar de horas (3,11% en
Cuadro 5
Segundos momentos del modelo DSGE estimado
Desviaciones estandar (%) Contribución a la varianza
Tecnología Tecnología
Datos Modelo componente choques
Datos originales
Crecimiento de la producción 1,36 1,27 0,60 22,3%
Inflación 0,72 0,73 0,18 6,0%
Tasa de interés 0,72 0,67 0,04 0,3%
Horas 3.11 4.60 0,42 0,8%
Salario / producción real 3,69 4.44 0,13 0,1%
Correlacion entre (dy; dn) 0,75 0,72 0,49
Datos filtrados con paso de banda
Producción 2,04 2,04 0,87 18,2%

Horas 1,69 1,69 0,26 2,3%
Correlacion entre (y; norte) 0,88 0,88 0,14
los datos y el 4,6% en el modelo) y a una menor medida el salario real

ratio de producción (3,69% en los datos, 4,44% en el modelo).
5.2.2 Los efectos de los choques tecnológicos

A continuación, prestamos atención a las predicciones del modelo estimado con
respecto a los efectos de los choques tecnológicos.47 La Figura 7 muestra las respuestas
de impulso posterior a un impacto tecnológico permanente de un tamaño normalizado
a una desviación estándar.48 Podemos observar que el modelo replica bastante bien la
evidencia basada en VAR, a pesar de las diferencias en el enfoque. En particular, el
modelo estimado implica una disminución persistente de horas en respuesta a un
choque tecnológico positivo y un ajuste gradual del producto a una meseta
permanentemente más alta. Se necesitan alrededor de cuatro trimestres para que la
producción alcance su nuevo nivel de estado estacionario. Las horas disminuyen con el
impacto, en aproximadamente 0,4 puntos porcentuales, y luego convergen
monótonamente a su nivel inicial.49
La tercera columna de la Tabla 5 informa los segundos momentos de las

variables observadas condicionadas a que los choques tecnológicos sean la única
fuerza impulsora. La cuarta columna muestra la fracción de la varianza de cada
variable explicada por el impacto tecnológico.50 Podemos ver que los choques
tecnológicos no juegan un papel importante en la explicación de la variabilidad de
las cinco variables observadas. Explican el 22% de la variabilidad del crecimiento
del producto y el 6% de la variabilidad de la inflación. Por el resto de
Respuesta de salida Respuesta de Horas

1,5 0,2
0
1
% Dev. de SS
% Dev. de SS
- 0,2
0,5
- 0,4
0 - 0,6
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Respuesta de tasas de interés Respuesta de la inflación
0,02 0,1
0 0
% Dev. de SS
% Dev. de SS
- 0.02 - 0,1
- 0,04 - 0,2
- 0.06 - 0,3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Respuesta del crecimiento de la producción Respuesta de la tecnología
0,8 1,5
0,6
1
0.4
% Dev. de SS
% Dev. de SS
0,2
0,5
0
- 0,2 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Trimestres después del choque Trimestres después del choque
Figura 7
Respuestas de impulso posterior a un choque tecnológico: estimaciones basadas en modelos
variables, incluidas las horas, explican una cantidad insignificante de

volatilidad general. Un resultado clave surge cuando simulamos el modelo
solo con choques tecnológicos: obtenemos una correlación entre
DDyt; DnortetÞ de 0,49, lo que contrasta con la alta correlación positiva entre
las mismas variables observadas en los datos.
Las últimas tres filas de la Tabla 5 informan estadísticas basadas en datos filtrados de
paso de banda. En este caso, la serie de crecimiento de la producción y las horas
generadas por el modelo estimado (cuando se apagan todos los choques distintos de la
tecnología) se utilizan para obtener los niveles (logarítmicos) de horas y producción
sobre los que se aplica el filtro pasabanda. Una vez más, nos encontramos con que los
choques tecnológicos pueden explicar sólo una pequeña fracción de la varianza del
componente del ciclo económico de la producción y las horas. La correlación
condicional entre esas dos variables cae a 0,14, desde un valor de
0,88 para la serie filtrada real.
Los hallazgos anteriores se ilustran en la Figura 8, que muestra los componentes del
ciclo económico de la producción de registros y las horas de registros asociados con los
choques tecnológicos, de acuerdo con nuestro modelo estimado. Es aparente
BandPass de salida
0,06
0,04
0,02
- 0.02
- 0,04
- 0.06
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000
Año
Horas BandPass
0,06
0,04
0,02
- 0.02
- 0,04
- 0.06
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000
Año
Figura 8
El papel de los choques tecnológicos en las fluctuaciones de la posguerra en Estados Unidos: estimaciones basadas en modelos
Nota: Línea continua: componente tecnológico (filtrado por BP); línea discontinua: datos de EE. UU. (filtrados por BP).
que los choques tecnológicos explican sólo una pequeña fracción de las
fluctuaciones del producto. Esto es aún más dramático cuando miramos las
fluctuaciones en horas, de una manera consistente con la mayoría de los hallazgos
del VAR. Hallazgos cualitativos similares se encuentran en Altig et al. (2003),
Irlanda (2004) y Smets y Wouters (2003b), utilizando modelos y / o métodos de
estimación ligeramente diferentes.
5.2.3 ¿Cuáles son las principales fuentes de fluctuaciones económicas?

¿Qué choques juegan un papel más importante en la explicación de las fluctuaciones en
nuestras variables observadas? En la Tabla 6, informamos la contribución de cada
choque a la varianza total de cada variable implícita en las estimaciones de nuestro
modelo. El choque que explica la mayor parte de la varianza de todas las variables en
nuestro marco es el choque de preferencias, que podemos interpretar de manera más
amplia como un choque de demanda (real). Explica por encima del 70% de la varianza
de las horas, la relación salario real-producto y la tasa de interés nominal. El choque de
preferencias también explica el 57% de la varianza del producto.
Tabla 6
Descomposición de la varianza del modelo DSGE estimado
Choques
Precio Sueldo
Monetario Tecnología Preferencia margen margen
Crecimiento de la producción 4,8% 22,3% 57,1% 8,0% 7,1%

Inflación 27,1% 6,1% 36,3% 13,7% 14,7%
Tasa nominal 5,0% 0,4% 72,3% 9,8% 11,8%
Horas 0,4% 0,8% 70,0% 17,6% 9,6%
Salida salarial 0,1% 0,1% 73,6% 12,0% 12,8%
y 36% de la varianza de la inflación. En por otro lado, el monetario

El shock explica solo aproximadamente el 5% del crecimiento de la producción y el nomi-
tasa de interés final, y es un determinante importante de la variabilidad de la in fl
ación, contribuyendo al 27% de la volatilidad total. Los choques del margen de
precios y de los salarios tienen cierta importancia para explicar la volatilidad de
todas las variables, con contribuciones a la varianza que oscilan entre el 7% y el
17%. En general, la imagen que surge del cuadro 6 es que los choques de
preferencias son clave para explicar la volatilidad de todas las variables. Los
choques monetarios y tecnológicos tienen cierta importancia en el sentido de que
explican alrededor del 20% de la varianza en una de las variables (crecimiento del
producto en el caso de la tecnología, in fl ación en el caso de los choques
monetarios), pero su contribución al resto de variables es muy pequeño. Los
choques del margen de precios y salarios explican una pequeña fracción de la
variabilidad en todas las variables.
5.2.4 Explicaciones estructurales de los efectos estimados de los

choques tecnológicos
Finalmente, examinamos qué características del modelo están impulsando el
comovimiento negativo entre las horas y la producción en respuesta a los choques
tecnológicos. En la Tabla 7, presentamos la correlación entre los componentes del
ciclo económico de la producción y las horas que surge en varios escenarios
hipotéticos. Para cada escenario, cerramos algunas de las rigideces del modelo y
lo simulamos nuevamente mientras mantenemos el mismo valor para las
estimaciones de los parámetros restantes.
Tres características del modelo se destacan como candidatos naturales para
explicar la correlación negativa entre producción y horas: precios rígidos, salarios
rígidos y formación de hábitos. Cuando cerramos cada uno de ellos, encontramos
que las rigideces restantes todavía inducen una gran y negativa
Tabla 7
Fluctuaciones impulsadas por la tecnología, producción y horas: correlaciones implícitas en las especificaciones del
modelo alternativo (datos filtrados por BP)
Original 0,14
Salarios flexibles 0,16
Precios flexibles 0,18
Sin formación de hábito 0,29
Precios y salarios flexibles 0,21
Sin fricciones (RBC) 0,22
Focalización de la inflación 0,15
correlación condicional. Por ejemplo, en la segunda fila de la tabla,

puede ver que asumiendo salarios fl exibles Dyw ¼ hw ¼ 0Þ ofrece básicamente las
mismas correlaciones. Este resultado no es sorprendente dado que nominal
las rigideces salariales no parecen ser importantes a su vez dadas las estimaciones de
los parámetros. Cuando asumimos precios flexibles pero mantenemos salarios rígidos y
formación de hábitos, las cosas tampoco cambian mucho.
Un escenario particular parecería ser de especial interés: uno con precios y
salarios flexibles y formación de hábitos. En ese caso, una vez más, surge un
patrón similar de correlaciones. Un resultado similar lo obtienen Smets y Wouters
(2003b), quienes lo interpretan como evidencia favorable a algunas de las
explicaciones reales encontradas en la literatura. Sin embargo, cuando
desactivamos la formación de hábitos en nuestro modelo estimado pero
mantenemos operativas las rigideces nominales, encontramos un resultado
cualitativamente similar: las correlaciones condicionales e incondicionales entre
horas y producción tienen el mismo patrón de signos que el observado en los
datos. Es solo cuando cerramos todas las rigideces (nominales y reales) que
obtenemos una correlación positiva entre las horas y la producción, tanto
condicional como incondicionalmente, y de una manera consistente con las
predicciones del modelo RBC básico.
Finalmente, consideramos una calibración en la que el banco central responde
exclusivamente a los cambios de la inflación pero no al producto. Algunos autores han
argumentado que el comovimiento negativo de la producción y las horas puede ser
consecuencia de un intento de la autoridad monetaria de sobreestabilizar la
producción. Nuestros resultados sugieren que esto no puede ser un factor primordial:
cuando establecemos el coeficiente de crecimiento del producto igual a cero (pero
manteniendo operativos tanto la formación de hábitos como las rigideces nominales),
todavía obtenemos una correlación condicional negativa entre las horas y el producto.
A la luz de los hallazgos anteriores, concluimos que tanto las rigideces reales (formación de
hábitos, en nuestro modelo) como las nominales (en su mayoría pegajosas
precios) parecen ser factores relevantes para explicar la evidencia sobre los
efectos de los choques tecnológicos. A modo de contraste,ambas cosas Las
rigideces nominales y reales parecen ser necesarias para explicar los efectos
empíricos de los shocks de política monetaria (ver, por ejemplo, Christiano,
Eichenbaum y Evans, 1999, o la dinámica de la in fl ación, por ejemplo, Gal´ı́ y
Gertler, 1999). .
6. Conclusión
En el presente artículo, hemos revisado los esfuerzos de investigación recientes

que buscan identificar y estimar el papel de la tecnología como una fuente de
fluctuaciones económicas en formas que van más allá de los simples ejercicios de
emparejamiento incondicional de segundo momento que se encuentran en la
literatura temprana de RBC. El número de salvedades y salvedades de cualquier
ejercicio empírico que busque dar una respuesta a las preguntas anteriores nunca
es pequeño. Como suele ocurrir en la investigación empírica en economía, la
evidencia no habla con una sola voz, incluso cuando se utilizan métodos y
conjuntos de datos similares. A pesar de esas salvedades, la mayor parte de la
evidencia presentada en el presente documento plantea serias dudas sobre la
importancia de los cambios en la tecnología agregada como una fuerza
significativa (o, incluso más, dominante) detrás de los ciclos económicos. en
contraste con las afirmaciones originales de la literatura de RBC. En cambio,
apunta a los factores de demanda como la fuerza principal detrás del fuerte
comovimiento positivo entre las medidas de producción y de insumos laborales
que es el sello distintivo del ciclo económico.
7. Anexo: Una respuesta a Ellen McGrattan
En sus comentarios al presente artículo, Ellen McGrattan (2004) descarta la

evidencia sobre los efectos de los choques tecnológicos basados en los VAR
estructurales (SVAR) que se basan en restricciones de identificación a largo plazo.
El propósito de este apéndice es explicar por qué creemos que el análisis y las
conclusiones de McGrattan son engañosos. Dado que parte de su argumento y la
evidencia que proporciona se basan en su reciente documento de trabajo con
Chari y Kehoe, nuestra discusión a menudo se refiere directamente a su
documento (Chari, Kehoe y McGrattan, 2004a).
Nuestro punto principal es fácil de resumir. McGrattan y Chari, Kehoe y
McGrattan (CKM) estudian una serie de economías modelo, todas las cuales
predicen que las horas deberían aumentar en respuesta a un impacto tecnológico
positivo. Sin embargo, cuando estiman un SVAR sobre los datos generados por
En esos modelos, las respuestas de impulso resultantes muestran una disminución en

horas en respuesta a tal impacto (con una excepción, que se discutirá más adelante).
McGrattan presenta sus hallazgos y los de CKM como una ilustración de una
falla general con los SVAR. Pero encontramos esa conclusión injustificada. Lo que
McGrattan y CKM realmente muestran es que unmal identificado
y / o mal especificado SVAR a menudo conduce a inferencias incorrectas.
Como reconoce la propia McGrattan, en su ejemplo de un modelo RBC
estándar (así como en todos menos uno de los ejemplos en CKM), las
suposiciones subyacentes al modelo de generación de datos son
inconsistentes con la suposición de identificación en el VAR: o la tecnología es
estacionaria , o los choques no tecnológicos tienen un efecto permanente
sobre la productividad, o el orden de integración de las horas es incorrecto.51
En esos casos, el hallazgo de inferencias incorrectas no es sorprendente ni
novedoso, ya que reafirma puntos que ya se han hecho en la literatura.52 Esa
conclusión debe contrastarse con la de Erceg, Guerrieri y Gust (2004), quienes
muestran que cuando el SVAR se especifica correctamente y las restricciones
de identificación son satisfechas por los modelos subyacentes de generación
de datos, las respuestas estimadas a los choques tecnológicos coinciden (en
menos cualitativamente) los teóricos.
Creemos que, cuando se utilizan correctamente, los SVAR proporcionan una
guía extremadamente útil para desarrollar teorías del ciclo económico. La
evidencia sobre los efectos de choques particulares que se muestra robusta a una
variedad de esquemas de identificación plausibles no debe ignorarse al
desarrollar y perfeccionar los modelos DSGE que se utilizarán para el análisis de
políticas. Por un lado, ese requisito impone una disciplina más fuerte a los
constructores de modelos que simplemente igualar los patrones deincondicional
segundos momentos de alguna serie temporal de interés, el enfoque
tradicionalmente favorecido por los economistas de RBC. Por otro lado, permite
evaluar la relevancia de especificaciones alternativas sin conocer todas las fuerzas
impulsoras que inciden en la economía.53
Otro hallazgo en CKM que puede parecer sorprendente para muchos lectores
es que su marco de contabilidad empresarial produce un aumento de horas en
respuesta a un impacto tecnológico positivo, en contraste con la evidencia
resumida en la Sección 2 del presente artículo. A continuación, conjeturamos que
tal resultado depende de manera crítica de tratar el residuo de Solow
convencional como una medida apropiada de tecnología, en contraste con la
riqueza de evidencia que sugiere la presencia de un error procíclico significativo
en esa medida de tecnología. Por el contrario, la mayoría de los hallazgos
basados en SVAR sobre los efectos de los choques tecnológicos resumieron
en el presente artículo se basan en la identificación de supuestos que son mucho

más débiles que los requeridos para que el residuo de Solow sea una medida
adecuada de tecnología.
A continuación, elaboramos los puntos anteriores, así como otras cuestiones
planteadas por el comentario de McGrattan. Primero, intentamos arrojar algo de luz
sobre por qué los SVAR estimados no recuperan las respuestas de impulso generadas
por el modelo. En segundo lugar, proporcionamos una conjetura sobre por qué el
modelo estimado de CKM predeciría un aumento de horas en respuesta a un impacto
tecnológico positivo, incluso si fuera cierto lo contrario. Finalmente, comentamos sobre
la alternativa propuesta por CKM a los SVAR.
7.1 ¿Por qué la evidencia SVAR no coincide con las predicciones de

McGrattan y CKMModels?
La razón por la cual las estimaciones de SVAR informadas por McGrattan no logran
recuperar la respuesta conjunta de producción y horas implícitas en su modelo de RBC
no debe verse como un reflejo de una falla inherente en el enfoque de SVAR. En cambio,
lo más probable es que sea una consecuencia de una especificación incorrecta y una
identificación errónea del SVAR utilizado.
En primer lugar, y de manera más flagrante, la especificación de
crecimiento geométrico de la tecnología asumida en el ejercicio de McGrattan
implica que los choques tecnológicos sólo tendrán efectos temporales sobre
la productividad laboral. Un supuesto mantenido en Gal´ı́ (1999) y en la
Sección 2.1 anterior es la existencia de una raíz unitaria en el proceso
tecnológico, subyacente a la raíz unitaria observada en la productividad. Está
claro que si un investigador tiene una creencia inherente en la
estacionariedad de la tecnología, no querrá utilizar ese enfoque empírico
para estimar los efectos de los choques tecnológicos. Encontramos difícil de
creer la noción de que los choques tecnológicos no tienen efectos
permanentes, aunque no podemos ofrecer ninguna prueba (y aunque hemos
proporcionado evidencia sugerente en ese sentido en la Sección 3.1). En
cualquier caso, nos parece útil señalar que la literatura contiene varios
ejemplos,
(1999).54
En principio, CKM parece superar el problema de identificación errónea
anterior utilizando como mecanismo de generación de datos un modelo RBC
que asume una raíz unitaria en la tecnología. Consideran dos versiones de
ese modelo (preferida y base), que discutimos a su vez. Su especificación
preferida no satisface la restricción de identificación del VAR en otra
dimensión importante: debido a laendogeneidad de
tecnología en su modelo (reflejado en términos fuera de la diagonal distintos de

cero en el proceso que describe las fuerzas impulsoras), los choques que son de
naturaleza no tecnológica van a tener un efecto en el nivel de tecnología y, por lo
tanto, en la productividad. Como resultado, la identificación subyacente al SVAR
será incorrecta y la inferencia se distorsionará.
Los dos problemas de identificación errónea que acabamos de discutir no deberían
afectar la especificación de la línea de base de CKM porque en la última, se supone que
la tecnología sigue un exógeno proceso de caminata aleatoria. Sin embargo, cuando
miramos las propiedades de ese modelo, descubrimos unaerror de especificación
Problema en el VAR utilizado. En pocas palabras, y como es el caso de la mayoría de los
modelos de RBC que se encuentran en la literatura, el modelo de línea de base de CKM
implica que las horas trabajadas siguen un proceso estacionario, aunque estiman el
SVAR usando las primeras horas diferenciadas. Los problemas potenciales asociados
con esa especificación incorrecta fueron señalados originalmente por CEV (2003) y se
han discutido extensamente en la Sección 3 del presente documento.55
CKM proporciona un ejemplo (la excepción a la que nos referimos

anteriormente) en el que el SVAR estimado satisface tanto la restricción de
identificación clave a largo plazo (la tecnología es exógena y contiene una raíz
unitaria) como está correctamente especificado (las horas se introducen en
niveles). En ese caso, y como era de esperar, el SVAR hace una inferencia
correcta: se estima que las horas aumentarán en respuesta a un choque
tecnológico, como predice el modelo. Si bien CKM reconoce ese hecho, en su
lugar se centra en el hallazgo de que la respuesta al impulso estimada
muestra un sesgo no despreciable. Este es un punto interesante, pero no es
central en la controversia sobre los efectos de los choques tecnológicos: este
último se ha centrado todo el tiempo en las estimaciones.firmar del
comovimiento de la producción y las horas, no del tamaño de las respuestas.
Tampoco es novedoso: es uno de los dos principales hallazgos de Erceg,
Guerrieri y Gust (2003), quienes ya señalan y analizan el papel que juega el
lento ajuste del capital en la generación de ese sesgo a la baja.
Ni McGrattan ni CKM enfatizan el segundo hallazgo principal de Erceg, Guerrieri
y Gust (EGG), que es muy relevante para sus propósitos: utilizando tanto un
modelo RBC estándar como un nuevo modelo keynesiano con fijación escalonada
de salarios y precios como mecanismos de generación de datos, concluyen que las
respuestas estimadas a un choque tecnológico, utilizando el mismo enfoque SVAR
que en Gal´ı́ (1999), parecen las respuestas verdaderas a ese choque en ambos
modelos, al menos desde un punto de vista cualitativo (que lleva a un aumento en
las horas en el primer caso, y a una caída en el segundo, de manera consistente
con las predicciones de los modelos).
7.2 ¿Por qué el marco contable de CKM predice un aumento de horas?
Es poco probable que la mayoría de los macroeconomistas reconozcan el

marco utilizado por McGrattan en la Sección 2.2 de su comentario como un
modelo RBC estándar, a pesar del título de la subsección. En cambio, consiste
en una versión del ciclo económicocontabilidad marco desarrollado
originalmente en Chari et al. (2004b). Ese marco consiste en un modelo RBC
estándar con cuatro fuerzas impulsoras (o cuñas, en su terminología). Una de
esas fuerzas impulsoras, que ingresa a la función de producción como un
parámetro de productividad convencional, se interpreta como un choque
tecnológico. Otras dos fuerzas impulsoras se interpretan en términos
generales como un mercado laboral y una brecha de inversión. El cuarto es el
gasto público. Después de asumir formas funcionales para preferencias y
tecnología, así como una calibración convencional de los parámetros
asociados convencionales en la literatura de RBC, CKM estima un modelo VAR
para las cuatro fuerzas impulsoras usando series de tiempo para producción,
horas, inversión y consumo gubernamental.
Dejemos a un lado algunas de las cuestiones relativas a la idoneidad de las
SVAR discutidas en la sección anterior para pasar a una pregunta diferente:
¿Por qué el marco contable CKM estimado predice un aumento de horas en
respuesta a un impacto tecnológico positivo? El interés de la pregunta puede
desconcertar a algunos lectores; después de todo, el modelo CKM parece un
modelo RBC estándar aumentado con muchas descargas. Pero esa
descripción no es precisa en una dimensión sutil, pero importante: las
perturbaciones / brechas en el marco contable CKM no son ortogonales entre
sí, sino que tienen una estructura dinámica rica. Así, nada impide, al menos
en principio, que algunas de las cuñas no tecnológicas respondan a un
choque tecnológico de tal manera que generen un comovimiento negativo
entre producción y horas en respuesta a ese choque. Después de todo,
Aquí, solo podemos especular sobre las fuentes del signo de la respuesta de
horas predichas por el modelo CKM. Pero una mirada superficial a la estructura
del modelo, y el enfoque para descubrir sus choques, apunta a un candidato muy
probable para ese hallazgo: la medida CKM del parámetro de tecnología
corresponde a la brecha entre el PIB (logarítmico) y un promedio ponderado de
(logaritmo) capital y (logaritmo) horas, con las ponderaciones basadas en la
participación promedio de los ingresos. En otras palabras, el CKM
La medida de tecnología corresponde, a todos los efectos prácticos, al

residuo convencional de Solow (1957). Al adoptar ese enfoque para la
identificación de tecnología, CKM está dejando de lado dos décadas de
investigación que apuntan a las múltiples deficiencias del residuo de Solow
como una medida de variaciones a corto plazo de la tecnología, desde Hall
(1988) hasta BFK (1999). En ausencia de ajustes por poder de mercado,
utilización variable de insumos y otras consideraciones, se sabe que el
residual de Solow, como índice de cambio tecnológico, tiene un error de
medición grande (y altamente procíclico).
Para ilustrar esto, considere una economía con una tecnología constante (y
sin capital) en la que la producción y las horas (medidas) están vinculadas de
acuerdo con la siguiente relación de equilibrio de forma reducida:
yt ¼ anortet
Índice de tecnología de CKM zt habría sido calculado, usando la fórmula de

Solow como:
zt ¼ yt snt
dónde s es la participación en el ingreso laboral promedio. Bajo los supuestos

originales de Solow,s ¼ un. Pero la literatura existente proporciona una serie de
razones convincentes por las que, en la práctica, es casi seguro que a> s.
De ello se deduce que el índice de tecnología de CKM se puede escribir como:
zt ¼ ða sÞnortet
lo que implica una correlación mecánica positiva entre la tecnología medida y

las horas.
Es cierto que el ejemplo anterior está demasiado estilizado, pero creemos que
ilustra el punto con claridad. Por lo tanto, no debería sorprendernos que las
respuestas estimadas de las diferentes cuñas a las innovaciones en esa medida de
tecnología cargada de errores estuvieran muy sesgadas y pudieran, de hecho,
parecerse a las respuestas a una perturbación de la demanda. De hecho, el uso de
VAR basados en restricciones a largo plazo (como en Gal´ı́, 1999) o en residuos de
Solow purificados (como en BFK, 1999), así como el enfoque para la calibración del
modelo en Burnside y Eichenbaum (1996) fue en gran parte motivado por esa
observación.
7.3 Algún acuerdo
No podemos concluir este apéndice sin expresar nuestro acuerdo con el

enfoque alternativo propuesto por CKM para la identificación y
estimación de tecnología (y otros choques), basada en la especificación de

una "representación estatal y un conjunto de supuestos de identificación que
anida la clase de modelos de interés" y que pueden ser "convenientemente
estimados con técnicas de filtrado de Kalman". Pero este es precisamente el
enfoque que hemos seguido en la Sección 5 del presente artículo, siguiendo
los pasos de varios autores mencionados en esa sección (incluido el segundo
autor del presente artículo).
En su comentario, McGrattan critica el modelo particular que elegimos para
implementar ese enfoque (al que ella se refiere como el modelo triple pegajoso)
con el argumento de que se abstrae de la acumulación de capital. Pero nuestro
objetivo no era desarrollar un modelo completo, que abarcara todos los aspectos
relevantes de la economía, solo para proporcionar una ilustración de un enfoque
potencialmente fructífero para analizar el papel de las diferentes fricciones en la
configuración de los efectos estimados de los choques tecnológicos. Otros autores
han proporcionado un análisis similar utilizando una estructura más rica que
incluye la acumulación de capital endógeno, entre muchas otras características.
Los modelos usados en esa literatura permiten (pero no imponen) todo tipo de
fricciones de una manera altamente flexible y anidan el modelo estándar de RBC
como un caso particular. Lo más importante para nuestros propósitos aquí,
algunos de esos artículos (ver, por ejemplo, Smets y Wouters, 2003b) han
analizado explícitamente los efectos de los choques tecnológicos implícitos en sus
modelos estimados. De manera consistente con nuestros hallazgos anteriores, se
ha demostrado que esos efectos implican una respuesta negativa de horas a un
impacto tecnológico positivo. McGrattan no reporta evidencia comparable para su
modelo de triple pegajosidad con inversión, aunque conjeturamos que esto último
implicaría una respuesta similar.
Notas
Preparado para la decimonovena Conferencia Anual NBER sobre Macroeconomía. Agradecemos a

Susanto Basu, Olivier Blanchard, Yongsung Chang, John Fernald, Albert Marcet, Barbara Rossi, Julio
Rotemberg, Juan Rubio-Ramirez, Robert Solow, Jaume Ventura, Lutz Weinke, los editores (Mark
Gertler y Ken Rogoff), y comentaristas (Ellen McGrattan y Valerie Ramey) por sus útiles comentarios.
También nos hemos beneficiado de los comentarios de los participantes en los seminarios del Macro
Workshop CREI-UPF, el Macro Faculty Lunch del MIT y Duke. Anton Nakov brindó una excelente
asistencia en la investigación. Agradecemos a Craig Burnside, Ellen McGrattan, Harald Uhlig, Jonas
Fisher y Susanto Basu por su ayuda con los datos. Gal´ı́ agradece el apoyo económico de DURSI
(Generalitat de Catalunya), CREA (Barcelona Economics), Fundación Ramón Areces, y el Ministerio de
Ciencia y Tecnología (SEC2002-03816). No se debe informar que este documento representa las
opiniones del Fondo Monetario Internacional (FMI). Las opiniones expresadas son las de los autores y
no reflejan necesariamente las opiniones del FMI o de la política del FMI.
1. Prescott (1996a).
2. Ver Blanchard y Quah (1989) y Gal´ı́ (1999) para más detalles.
3. Es precisamente esta característica la que diferencia el enfoque de identi fi cación en Gal´ı́

(1999) del de Blanchard y Quah (1989). Los últimos autores utilizaron restricciones sobre los efectos a largo plazo sobre
la producción, en contraposición a la productividad laboral. En presencia de una raíz unitaria en el insumo de trabajo,
eso podría llevar a etiquetar incorrectamente como choques tecnológicos cualquier perturbación que estuviera detrás
de la raíz unitaria en el insumo de trabajo.
4. Con cuatro rezagos, el correspondiente t-las estadísticas son 2.5 y 7.08, el nivel y la primera
diferencia, respectivamente.
5. Esa distribución se obtiene mediante una simulación de Montecarlo basada en 500 dibujos de la
distribución de la distribución VAR de forma reducida.
6. Observe que la distribución del efecto del impacto en las horas asigna una probabilidad cero a un
aumento en esa variable.
7. Véase, por ejemplo, King et al. (1988a) y Campbell (1994).
8. Ver también Francis y Ramey (2003a), entre otros, para estimaciones que utilizan VAR de dimensiones
superiores.
9. Blanchard (1989, pág. 1158).
10. Ver el comentario sobre el artículo de Shea por Gal´ı́ (1998) para una discusión más detallada de ese punto.
11. La última evidencia contrasta con su análisis de datos estadounidenses a largo plazo, en el que los
resultados varían significativamente entre muestras y parecen depender de la especificación utilizada
(más abajo).
12. Un análisis análogo pero algo más detallado se puede encontrar en Francis y Ramey (2003a).
13. Por supuesto, esa era también la visión tradicional con respecto al cambio tecnológico, pero fue
desafiada por la escuela RBC.
14. Las excepciones incluyen versiones estocásticas de modelos de crecimiento endógeno, como en King et al.
(1988b). En esos modelos, cualquier choque transitorio puede, en principio, tener un efecto permanente
sobre el nivel de capital o tecnología incorpórea y, como resultado, sobre la productividad laboral.
15. Agradecemos a Craig Burnside y Ellen McGrattan por proporcionar los datos.
16. Fisher (2003) obtiene una conclusión similar utilizando un enfoque relacionado en el contexto del modelo
de choque tecnológico múltiple que se describe a continuación.
17. En particular, utilizamos su serie completamente corregida de su artículo de 1999 Al revisar el

presente artículo, BFK nos habló de una versión actualizada de su serie de tecnología, extendiendo el
período de la muestra hasta 1996 e incorporando algunos cambios metodológicos. Los resultados
obtenidos con la serie actualizada fueron casi idénticos a los que se informan a continuación.
18. Esa razón de posibilidades aumenta sustancialmente cuando F La estadística asociada con una prueba de
ADF de covariables se incorpora como parte del análisis abarcador.
19. Con la excepción de su modelo bivariado bajo una especificación de nivel, CEV también encuentra que la
contribución de los choques tecnológicos a la varianza de la producción y las horas en los ciclos económicos
es pequeña (por debajo del 20%). En su modelo bivariado de especificación de nivel, esa contribución es tan
alta como 66 y 33%, respectivamente.
20. Dadas las observaciones anteriores, uno se pregunta cómo se podría suponer una prioridad idéntica para
ambas especificaciones, como lo hace CEV al calcular la razón de probabilidades.
21. Desafortunadamente, los CEV no incluyen ninguna estadística asociada con el nulo de ninguna
tendencia en horas en su análisis global. Si bien es ciertamente posible que uno pueda obtener unat
estadístico tan alto como 8.13 en el término de tiempo cuadrado con una frecuencia del 13% cuando el
modelo verdadero no contiene tendencia (como sugiere su análisis de Montercarlo), seguramente debe ser el
caso de que dicha frecuencia sea mucho mayor cuando el modelo verdadero contiene el tendencia cuadrática
según lo estimado en los datos!
22. De hecho, el total de horas fue la serie utilizada originalmente en Gal´ı́ (1999).
23. El hallazgo de una ligera disminución a corto plazo en la producción se obtuvo en BFK (1999).
24. Pesavento y Rossi (2003) proponen un procedimiento agnóstico para estimar los efectos de un
choque tecnológico que no requiere posicionarse en el orden de integración de horas. Encuentran
que un impacto tecnológico positivo tiene un efecto negativo en las horas de impacto.
25. Agradecemos a Jonas Fisher por facilitarnos los datos sobre el precio real de inversión.
26. Véase la discusión en McGrattan (1999); Dotsey (2002); y Gal´ı́, López-Salido y Vallés (2003), entre
otros.
27. Esto sería consistente con cualquier modelo en el que la velocidad sea constante en equilibrio. Ver
Gal´ı́ (1999) para un ejemplo de tal economía.
28. Esta relación de forma reducida surgiría naturalmente como una condición de equilibrio de un
modelo RBC simple con la productividad como la única variable de estado.
29. La ausencia de otra variable de estado (por ejemplo, capital social u otras perturbaciones) implica
una correlación perfecta entre los niveles naturales de producción y empleo, en contraste con los
modelos RBC existentes en la literatura, donde esa correlación es positiva y muy alta, pero ni uno.
30. En todo momento asumimos que la condición kDFpag 1Þ þ ð1 BÞFy> 0 está satisfecho. Como
mostrado por Bullard y Mitra (2002), esa condición es necesaria para garantizar una
equilibrio.
31. Corresponde a la elasticidad de impacto con respecto a la productividad e ignora el posterior

ajuste de capital (que es muy pequeño). La fuente es la Tabla 3 en Campbell.
(1994), con un ajuste apropiado para corregir su especificación de tecnología (que aumenta el
trabajo) en la función de producción (necesitamos dividir el número de Campbell por dos tercios).
32. Se puede descubrir un resultado similar en un artículo inédito de McGrattan (1999).

Desafortunadamente, la autora no pareció darse cuenta de ese hallazgo (o, al menos, no lo discutió
explícitamente).
33. El análisis de Gal´ı́, López-Salido y Vallés (2003) ha sido extendido por Francis, Owyang y
Theodorou (2004) a otros países del G7. Revelan diferencias sustanciales entre países en la respuesta
conjunta del empleo, los precios y las tasas de interés a los choques tecnológicos, y argumentan que
algunas de esas diferencias pueden basarse en diferencias en las reglas de tasas de interés
subyacentes.
34. Una evaluación menos favorable se encuentra en Chang y Hong (2003), quienes realizan un ejercicio
similar utilizando industrias manufactureras estadounidenses de cuatro dígitos, y se basan en pruebas de
rigideces nominales sectoriales basadas en el trabajo de Bils y Klenow (2002).
35. Ver Lettau y Uhlig (2000) para un análisis detallado de las propiedades de un modelo de glóbulos
rojos con formación de hábito. Como señalaron Francis y Ramey, Lettau y Uhlig parecen descartar la
asunción de hábitos sobre la base de que produce un "comportamiento cíclico contrafáctico".
36. Sin embargo, la literatura existente sobre la estimación de modelos de equilibrio general utilizando
métodos bayesianos supone que todos los choques son estacionarios, incluso cuando están altamente
correlacionados. Una novedad de este trabajo es que introducimos un choque tecnológico permanente.
Irlanda (2004) estima un modelo de equilibrio general con choques tecnológicos permanentes, utilizando la
máxima verosimilitud.
37. Una estrategia de estimación algo diferente es la seguida por Christiano, Eichenbaum y Evans
(2003); Altig y col. (2003); y Boivin y Giannoni (2003), quienes estiman modelos de equilibrio general
haciendo coincidir las funciones impulso-respuesta implícitas de un modelo con las estimadas.
38. Los detalles se pueden encontrar en un apéndice que pueden solicitar los autores.
39.XEspecíficamente, cada hogar j max # imita la siguiente función de utilidad:

y
j Dnorte
t jÞ1þj
mi0 B t GRAMOt Iniciar sesiónDC
t 1Þ
antes de Cristot
t¼0
1þ j
sujeto a una restricción presupuestaria habitual. El choque de preferencias evoluciona, expresado en registros, como:
gramot ¼ ð1 rgramoÞGRAMOþ rgramogramot 1 þ migramo

t
40. Véase Smets y Wouters (2003a) para obtener una derivación de las ecuaciones de fijación de precios y
salarios.
41. Siguiendo a Erceg y Levin (2003), suponemos que la Reserva Federal reacciona al crecimiento del
producto en lugar de a la brecha del producto. Una ventaja de seguir esta regla, como destacan
Orphanides y Williams (2002), es que la medición incorrecta del nivel de producción potencial no
afecta la conducción de la política monetaria (en contraposición a usar alguna medida de producción
sin tendencia para estimar la brecha de producción). .
42. Ver Fernández-Villaverde y Rubio-Ram´ı́rez (2004).
43. Si un sorteo aleatorio de los parámetros es tal que el modelo no ofrece una solución única y
estable, asignamos un valor de verosimilitud cero, lo que implica que la densidad posterior también
será cero. Ver Lubik y Schorfheide (2003a) para un modelo DSGE estimado que permite la
indeterminación.
44. Rabanal (2003) encuentra un resultado similar para un modelo DSGE estimado que es solo
ligeramente diferente del que se usa aquí.
45. También hemos realizado algunos análisis de estabilidad de submuestras, dividiendo la muestra
en años anteriores a Volcker y la era Volcker-Greenspan. Si bien hubo algunas pequeñas diferencias
en los parámetros estimados entre las muestras, ninguna de las principales conclusiones de esta
sección se vio afectada.
46. Estos segundos momentos se obtuvieron usando una muestra de 10,000 extractos de la
500.000 que se obtuvieron previamente con el algoritmo Metropolis-Hastings.
47. Smets y Wouters (2003b) han realizado un análisis relacionado de forma independiente, aunque
en el contexto de un modelo DSGE ligeramente diferente.
48. La media posterior y las desviaciones estándar se basan en la misma muestra que se utilizó para
obtener los segundos momentos.
49. En Smets y Wouters (2003b) se puede encontrar un patrón similar de respuestas de producción y
horas a un impacto tecnológico.
50. Usamos el método de Ingram, Kocherlakota y Savin (1994) para recuperar los choques estructurales. Este
método es un caso particular de uso del filtro de Kalman para recuperar los choques estructurales.
Suponemos que la economía está en su valor de estado estacionario en la primera observación, en lugar de
suponer una previa difusa. Por construcción, el conjunto completo de amortiguadores replica perfectamente
las características del modelo.
51. En el único caso en el que el VAR se identifica correctamente, produce las respuestas cualitativas
correctas, aunque con cierto sesgo cuantitativo resultante de la incapacidad de capturar la dinámica
verdadera con un VAR de orden bajo. Este resultado se ha mostrado en Erceg, Guerrieri y Gust (2004).
52. Ver Cooley y Dwyer (1998) y Christiano et al. (2003), entre otros.
53. Ver Christiano et al. (2003) para una ilustración de la utilidad de ese enfoque.
54. Ver, por ejemplo, BFK (1999), Francis et al. (2003) y Pesavento y Rossi (2004).
55. La discusión de CKM sobre ese problema está algo oscurecida por su referencia al "número
insuficiente de rezagos en el VAR" en lugar de simplemente afirmar que las horas están
sobrediferenciadas. Véase también Marcet (2004) para una discusión más general de las
consecuencias (o la falta de ellas) de la sobrediferenciación.
Referencias
Altig, David, Lawrence J. Christiano, Martin Eichenbaum y Jesper Linde. (2003). La política monetaria y
los efectos dinámicos de los shocks tecnológicos. Northwestern University. Mimeo.
Basu, Susanto, John Fernald y Miles Kimball. (1999). ¿Las mejoras tecnológicas son contractivas?un.
Mimeo.
Basu, Susanto y Miles Kimball. (1997). Productividad cíclica con variación de entrada no observada.
Documento de trabajo NBER No. 5915.
Baxter, Marianne y Robert G. King. (1999). Medición de ciclos económicos: filtros de paso de banda
aproximados para series de tiempo económicas.La Revista de Economía y Estadística
81 (4): 575–593.
Bils, Mark y Peter J. Klenow. (2002). Alguna evidencia sobre la importancia de los precios rígidos.
Documento de trabajo NBER No. 9069.
Blanchard, Olivier J. (1989). Una interpretación tradicional de las fluctuaciones macroeconómicas.

American Economic Review 79 (5): 1146-1164.
Blanchard, Olivier J. y Danny Quah. (1989). Los efectos dinámicos de las perturbaciones de la oferta y
la demanda agregadas.American Economic Review 79 (4): 654–673.
Blanchard, Olivier, Robert Solow y BA Wilson. (1995). Productividad y desempleo. Instituto de

Tecnología de Massachusetts. Mimeo.
Boivin, Jean y Marc Giannoni. (2003). ¿Se ha vuelto más eficaz la política monetaria? Documento de
trabajo NBER No. 9459.
Bullard, James y Kaushik Mitra. (2002). Conocer las reglas de política monetaria.Revista de economía
monetaria 49 (6): 1105-1130.
Burnside, Craig y Martin Eichenbaum. (1996). El acaparamiento de factores y la propagación de los

shocks del ciclo económico.American Economic Review 86 (5): 1154-1174.
Burnside, Craig, Martin Eichenbaum y Sergio Rebelo. (1995). Utilización de capital y rendimientos a
escala.NBER Macroeconomics Annual 1995 10: 67-110.
Calvo, Guillermo. (1983). Precios escalonados en un marco de maximización de la utilidad.Revista de

economía monetaria 12: 383–398.
Campbell, John Y. (1994). Inspección del mecanismo: un enfoque analítico del modelo de crecimiento
estocástico.Revista de economía monetaria 33 (3): 463–506.
Carlsson, Mikael. (2000). Medidas de tecnología y respuestas a corto plazo a los impactos
tecnológicos: ¿Es el modelo RBC consistente con los datos de fabricación suecos? Universidad de
Uppsala. Mimeo.
Chang, Yongsung y Jay H. Hong. (2003). Sobre los efectos de la tecnología en el empleo: Evidencia de
la industria manufacturera estadounidense para 1958–1996. Universidad de Filadelfia. Mimeo.
Christiano, Larry, Martin Eichenbaum y Charles Evans. (2003). Rigideces nominales y efectos
dinámicos de un shock en una política monetaria.Revista de Economía Política,
próximo.
Christiano, Lawrence, Martin Eichenbaum y Robert Vigfusson. (2003). ¿Qué sucede después de un
choque tecnológico? Documento de trabajo NBER No. 9819. Mimeo.
Collard, Fabrice y Harris Dellas. (2002). Choques tecnológicos y empleo. Universidad de Toulouse.
Mimeo.
Cooley, Thomas F. y Mark Dwyer. (1998).
Cooley, Thomas F. y Edward C. Prescott. (1995). Crecimiento económico y ciclos económicos. En

Fronteras de la investigación del ciclo económico, TF Cooley (ed.). Princeton, Nueva Jersey: Princeton
University Press.
Cummins, Jason y Gianluca Violante. (2002). Cambio técnico específico de la inversión en los Estados
Unidos (1947-2000).Revisión de la dinámica económica 5 (2): 243–284.
Dotsey, Michael. (2002). Estructura de choques.Trimestral económico 88 (4): 1–13.
Erceg, Christopher, Luca Guerrieri y Christopher Gust. (2003). ¿Pueden las restricciones a largo plazo
identificar los choques tecnológicos? Junta de la Reserva Federal. Mimeo.
Erceg, Christopher J., Luca Guerrieri y Christopher Gust. (2004). ¿Pueden las restricciones a largo plazo
identificar los choques tecnológicos? Junta de la Reserva Federal. Mimeo.
Erceg, Christopher J. y Andrew Levin. (2003). Credibilidad imperfecta y persistencia inflacionaria.

Revista de economía monetaria 50 (4): 915–944.
Fernald, John. (2004). Rupturas de tendencias, restricciones a largo plazo y efectos contractivos de un
choque tecnológico. Banco de la Reserva Federal de Chicago. Mimeo.
Fernández-Villaverde, Jesús y Juan F. Rubio-Ram´ı́rez. (2004). Comparación de las economías de

equilibrio dinámico con los datos: un enfoque bayesiano.Revista de Econometría,
próximo.
Fisher, Jonas. (2003). Los choques tecnológicos son importantes. Banco de la Reserva Federal de Chicago.
Mimeo.
Francis, Neville. (2001). Revisión de los choques tecnológicos sectoriales. Universidad de Lehigh. Mimeo.
Francis, Neville R., Michael T. Owyang y Athena T. Thedorou. (2003). El uso de restricciones a largo
plazo para la identificación de choques tecnológicos.Revisión del Banco de la Reserva Federal de St.
Louis, Noviembre-diciembre: 53–66.
Francis, Neville y Valerie Ramey. (2003a). ¿Está muerta la hipótesis del ciclo económico real impulsada
por la tecnología? Se revisan los choques y las fl uctuaciones agregadas. Universidad de California,
San Diego. Mimeo.
Francis, Neville y Valerie Ramey. (2003b). La fuente de las fluctuaciones económicas históricas: un
análisis que utiliza restricciones a largo plazo. Universidad de California San Diego. Mimeo.
Franco, Francesco y Thomas Philippon. (2004). Industria y dinámica agregada. MIT. Mimeo.
Gal´ı́, Jordi. (1998). Comente sobre "¿Qué hacen los choques tecnológicos?"NBER Macroeconomics
Annual 1998 13: 310–316.
Gal´ı́, Jordi. (1999). Tecnología, empleo y ciclo económico: ¿Los choques tecnológicos explican las
fluctuaciones agregadas?American Economic Review 89 (1): 249–271.
Gal´ı́, Jordi. (2003). Nuevas perspectivas sobre política monetaria, in fl ación y ciclo económico. En
Avances en Economía y Econometría, vol. III, M. Dewatripont, L. Hansen y
S. Turnovsky (eds.). Cambridge: Cambridge University Press.
Gal´ı́, Jordi. (2004). Sobre el papel de los shocks tecnológicos como fuente de ciclos económicos:
algunas pruebas nuevas.Revista de la Asociación Económica Europea, próximo.
Gal´ı́, Jordi y Mark Gertler. (1999). Dinámica de la inflación: un análisis econométrico estructural.
Revista de economía monetaria 44 (2): 195–222.
Gal´ı́, Jordi, J. David López-Salido y Javier Vallés. (2003). Choques tecnológicos y política monetaria:
evaluación del desempeño de la Fed.Revista de economía monetaria 50 (4): 723–
743.
Gordon, Robert J. (2000). La medición de los precios de los bienes duraderos. Chicago: Prensa de la
Universidad de Chicago.
Greenwood, Jeremy, Zvi Hercowitz y Gregory W. Huffman. (1988). Inversión, utilización de la

capacidad y ciclo económico real.American Economic Review 78 (3): 402–417.
Greenwood, Jeremy, Zvi Hercowitz y Per Krusell. (1997). El papel del cambio tecnológico específico de
la inversión en el ciclo económico.Revista económica europea 44 (1): 91–
116.
Greenwood, Jeremy, Zvi Hercowitz y Per Krusell. (2000). El papel del cambio técnico específico de la
inversión en el ciclo económico.Revista Económica Europea (44): 91-115.
Hall, Robert E. (1988). La relación entre precio y costo marginal en la industria estadounidense.
Revista de Economía Política (96): 921–947.
Hamilton, James. (1994).Análisis de series temporales. Princeton, Nueva Jersey: Princeton University Press.
Hoover, Kevin D. y Stephen J. Perez. (1994). Post hoc ergo procter una vez más: una evaluación de
'¿Importa la política monetaria?' en el espíritu de James Tobin.Revista de economía monetaria 34 (1):
47–74.
Ingram, Beth, Narayana Kocherlakota y NE Savin. (1994). Explicación de los ciclos económicos: un
enfoque de impactos múltiples.Revista de economía monetaria 34 (3 de diciembre
1994): 415–428.
Irlanda, Peter. (2004). Choques tecnológicos en el nuevo modelo keynesiano. Boston College. Mimeo.
Jones, JB (2002). ¿Ha ayudado la política fiscal a estabilizar la economía estadounidense?Diario de Monetario
Ciencias económicas 49 (4): 709–746.
Kiley, Michael T. (1997). ¿La productividad de la mano de obra Fabricación en EE. UU.: Tiene
comovimiento sectorial refleja los choques tecnológicos? Federal Junta de Reserva. Inédito
Manuscrito.
King, Robert G., Charles I. Plosser y Sergio T. Rebelo. (1988a). Producción, crecimiento y ciclos
económicos: I. El modelo neoclásico básico.Revista de economía monetaria
21 (2/3): 195–232.
King, Robert G., Charles I. Plosser y Sergio T. Rebelo. (1988b). Producción, crecimiento y ciclos
económicos: II. Nuevas direcciones.Revista de economía monetaria 21 (2/3): 309–343.
King, Robert G. y Sergio T. Rebelo. (1999). Reanimando ciclos económicos reales. EnManual de
macroeconomía, Volumen 1B, JB Taylor y M. Woodford (eds.), Págs. 928–1002. También publicado
como NBER Working Paper No. 7534.
Kwiatkowski, D., PCB Phillips, P. Schmidt e Y. Shin. (1992). Probar la hipótesis nula de estacionariedad
contra la alternativa de una raíz unitaria.Revista de Econometría
54: 159-178.
Lettau, Martin y Harald Uhlig. (2000). ¿Se puede conciliar la formación de hábitos con los hechos del
ciclo económico?Revisión de la dinámica económica 3 (1): 79–99.
Marcet, Albert. (2004). Sobrediferenciar VAR está bien. Universidad Pompei Fabra. Mimeo.
Marchetti, Domenico J. y Francesco Nucci. (2004). La rigidez de los precios y los efectos contractivos
de los shocks tecnológicos.Revista Económica Europea, próximo.
McGrattan, Ellen. (1994). Los efectos macroeconómicos de los impuestos distorsionadores.Revista de

economía monetaria 33: 573–601.
McGrattan, Ellen. (1999). Predecir los efectos de la política de la Reserva Federal en un modelo de precios
rígidos. Banco de la Reserva Federal de Minneapolis. Documento de trabajo No. 598.
McGrattan, Ellen. (2004). Comentario.NBER Macroeconomics Annual 2004 19:aaa-aaa.
Orphanides, Athanasios y John Williams. (2002). Reglas de política monetaria robustas con tasas naturales
desconocidas.Artículos de Brookings sobre la actividad económica 2002: 63-118.
Pesavento, Elena y Barbara Rossi. (2004). ¿Los choques tecnológicos aumentan o disminuyen las
horas? Una pequeña evidencia de un procedimiento agnóstico. Universidad de Duke. Manuscrito
inédito.
Prescott, Edward C. (1986a). Respuesta a un escéptico.Revisión trimestral 10: 28–33.
Prescott, Edward C. (1986b). Teoría antes de la medición del ciclo económico.Revisión trimestral 10:
9-22.
Rabanal, Pau. (2003). El canal de costos de la política monetaria: más evidencia para los Estados
Unidos y la zona del euro. Documento de trabajo del FMI No. 03/149.
Ramey, Vlaerie y Matthew D. Shapiro. (1998). Costosa reasignación de capital y efectos del gasto
público.Serie de conferencias Carnegie-Rochester sobre políticas públicas
48: 145-194.
Romer, Christina y David Romer. (1989). ¿Importa la política monetaria? Una prueba en el espíritu de
Friedman y Schwartz.NBER Macroeconomics Annual 1998 13: 63-129.
Rotemberg, Julio J. (2003). Progreso técnico estocástico, tendencias suaves y ciclos económicos casi
distintos.American Economic Review 93 (5): 1543-1559.
Rotemberg, Julio y Michael Woodford. (1999). Reglas de tasas de interés en un modelo de precio
rígido estimado. EnReglas de política monetaria, JB Taylor (ed.). Chicago: Prensa de la Universidad de
Chicago.
Shea, John. (1998). ¿Qué hacen los choques tecnológicos?NBER Macroeconomics Annual 275–
310.
Smets, Frank y Raf Wouters. (2003a). Un modelo de equilibrio general dinámico estocástico estimado
de la zona del euro.Revista de la Asociación Económica Europea 1 (5): 1123–
1175.
Smets, Frank y Raf Wouters. (2003b). Choques y fricciones en los ciclos económicos de EE. UU.: Un
enfoque DSGE bayesiano. Banco central europeo. Manuscrito inédito.
Solow, Robert. (1957). Cambio técnico y función de producción agregada.Revisión de economía y

estadística 39: 312-320.
Stock, James y Mark W. Watson. (1999). Fluctuaciones del ciclo económico en las series de tiempo
macroeconómicas de EE. UU. EnManual de macroeconomía, Volumen 1A, JB Taylor y M. Woodford
(eds.), Págs. 3-64. También publicado como NBER Working Paper No. 6528.
Taylor, John B. (1993). Discreción versus reglas de política en la práctica.Serie Carnegie-Rochester sobre
políticas públicas 39: 195-214.
Uhlig, Harald. (1999). Un conjunto de herramientas para analizar fácilmente modelos estocásticos dinámicos
no lineales. EnMétodos computacionales para el estudio de economías dinámicas, Ramon Marimon y Andrew
Scott (eds.). Oxford: Prensa de la Universidad de Oxford.
Uhlig, Harald. (2004). ¿Los choques tecnológicos provocan una caída en el total de horas trabajadas?
Revista de la Asociación Económica Europea, próximo.
Wen, Yi. (2001). Tecnología, empleo y ciclo económico: ¿Los choques tecnológicos explican las
fluctuaciones agregadas? Un comentario. Documento de trabajo de la Universidad de Cornell No. 01-
19.

10.-Technological Shocks and Aggregate Fluctuations - En.es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

10.-Technological Shocks and Aggregate Fluctuations - En.es

Cargado por

Copyright:

Formatos disponibles

Choques tecnológicos y

Fluctuaciones agregadas: ¿Qué tan

Jordi Gal´ı́ y Pau Rabanal CREI,

Desde el trabajo fundamental de Kydland y Prescott (1982) y Prescott (1986b),

Una característica definitoria de la literatura revisada aquí radica en su búsqueda de

Como es bien sabido, el modelo RBC básico puede generar fluctuaciones en la

literatura que aún está en curso. No obstante, es seguro afirmar que la

2. Estimación de los efectos de los choques tecnológicos

En Gal´ı́ (1999), los efectos de los choques tecnológicos se identificaron y estimaron

DXt C11DLÞ C12ð LÞ mi

dónde mitz a e en serie un correlacionados, mutuamente ortogonales

sin a permanente efecto sobre la productividad laboral, respectivamente. Sobre la base

2.1 Revisión de la evidencia básica sobre los efectos de los choques

Productividad: respuesta dinámica Productividad: respuesta al impacto

Salida: respuesta dinámica Resultado: Respuesta al impacto

Horas: Respuesta dinámica Horas: Respuesta al impacto

especificación y estimación de un VAR para ½DXt; Dnortet. De ahora en adelante, nos

Fluctuaciones impulsadas por la tecnología (filtrado por BP)

Otras fuentes de fluctuaciones (filtrado por BP)

Las respuestas estimadas a un choque tecnológico que se muestran en la

No es sorprendente que las estimaciones anteriores tengan implicaciones

choques. En ambos casos, los componentes estimados de los niveles

Una posible crítica al marco empírico anterior es la suposición de sólo dos

2.2 Trabajo empírico relacionado

La conexión empírica entre el cambio tecnológico y las fluctuaciones del ciclo

A continuación, discutimos brevemente algunos artículos recientes que brindan

utilización de factores variables y efectos de composición sectorial para descubrir

explican por choques transitorios).

datos a nivel de industria. Para la mayoría de las especi ﬁ caciones e industrias,

Francis y Ramey (2003a) amplían el análisis de Gal´ı́ (1999) en varias

Francis, Owyang y Theodorou (2003) utilizan una variante del algoritmo de

como prueba de histéresis en los mercados laborales europeos. También se

Las implicaciones de la evidencia discutida anteriormente para el análisis y el modelado

3. Posibles errores en la estimación de los efectos de los choques

El enfoque de identificación propuesto en Gal´ı́ (1999) se basa en el supuesto de que

Yt ¼ FDKt; AtnortetÞ D2Þ

dónde Y denota salida, K es el capital social, norte es mano de obra y A

dónde kt 1Kt =DAtnortetÞ es la relación entre capital y trabajo (expresada en

D1 tÞFkDk; 1Þ ¼ ð1 þ metroÞ r þ D þ gramo D4Þ

dónde metro es el margen de precio, t es un impuesto sobre la renta del capital, r

Aquí, revisamos la hipótesis de un shock de tasa impositiva confundido con un shock

los choques permanentes del VAR. Más precisamente, nuestras estimaciones de

Concluimos de los ejercicios anteriores que no hay apoyo para la hipótesis de

3.1.2 ¿Los choques permanentes en la productividad laboral capturan

tienen un poder predictivo significativo para el impacto tecnológico estimado.

Aquí, proporcionamos una evaluación más directa utilizando la medida de

BFKt ¼ 0:29 BFKt 1 þ 0:67 miz t 0:32 mit D

lo que refuerza los resultados obtenidos a partir de las correlaciones

Choques permanentes VAR vs.BFK

Choques transitorios VAR vs.BFK

interpretación realizada en Gal´ı́ (1999). Además, no podemos encontrar evidencia

3.2 Robustez a las especi ﬁ caciones VAR alternativas

Christiano, Eichenbaum y Vigfusson (2003) han cuestionado algunas de las

respuesta a un impacto tecnológico positivo. Por otro lado, cuando ellos

Contribución a Condicional Impacto en norte y y

varDyÞ varDnorteÞ corrDy; norteÞ Sign Signi ﬁ cación

Horas per cápita

horas en frecuencias de ciclo económico (37 y 11%, respectivamente), aunque

Si bien encontramos esclarecedor el enfoque abarcador adoptado por CEV,

Registro de horas per cápita

Horas de registro per cápita sin tendencia

respuesta a un choque tecnológico positivo, y una correlación condicional

Contribución a Condicional Impacto en norte y y