INTRODUCCIÓN A LA ECONOMÍA POSITIVA

Richard G. Lipsey 11ª edición Ed. Vicens-Vive

3 Los instrumentos del análisis estadístico

Si observamos de nuevo la figura 1.1 , en el capítulo 1, veremos que el segundo de los dos
triángulos representa el proceso seguido por el análisis estadístico, que se utiliza en economía
para alcanzar dos fines relacionados: primero, contrastar las predicciones de nuestras teorías con
la evidencia y, segundo, estimar la magnitud de las relaciones entre las variables. Por ejemplo, el
análisis estadístico ha sido utilizado repetidamente para probar la predicción de que si el precio
de un producto disminuye, los sujetos desearán adquirir más. El análisis estadístico ha sido
utilizado también para medir las relaciones cuantitativas entre los precios de los producto> y las
cantidades compradas. Ello permite, a los economistas alcanzar conclusiones tales como, «una
disminución en el precio de un 1% del trigo, conducirá a un incremento en las compras de un
0,25%, mientras que la misma disminución porcentual del precio de la crema de leche producirá
un incremento de un 2% en las compras». En el primer caso vemos que el análisis estadístico se
utiliza para contrastar una predicción general de las teorías, mientras que en el segundo se hace
para obtener estimaciones numéricas precisas de la magnitud del cambio de una variable en
respuesta a cambios en una variable relacionada.
La comprensión del contenido del análisis estadístico utilizado para analizar dichos objetivos
puede obtenerse mediante un estudio detallado lo ce la teoría estadística. En este capitulo,
estudiaremos brevemente la utilización de análisis estadístico en economía. Teniendo en cuenta
que el objeto de este libro es la teoría económica, nos centramos en el uso de la estadística, en la
contrastación de teorías. Sin embargo, en repetidas ocasiones nos referiremos a las estimaciones
estadísticas cuantitativas de las relaciones entre variables económicas.

CLASES DE CIENCIAS

Con objeto de determinar si las teorías nos dan o no predicciones correctas dentro de un margen
de error aceptable, deberemos contrastar nuestras teorías frente a la evidencia de lo que pasa
realmente en la vida económica. El contrastar teorías por medio de observaciones no es una tarea
que pueda llevarse a cabo fácilmente (ni tampoco describirse en breves líneas). Un primer paso
en la senda de la contrastación de teorías es el saber distinguir los métodos de experimentación
(o de laboratorio) de aquellos que no lo son.

CIENCIAS EXPERIMENTALES

En algunas ciencias existe la posibilidad de obtener todas las observaciones necesarias a partir
de experimentos controlados efectuados en un laboratorio. En tales experimentos se mantienen
constantes todos los factores que se cree afectan al resultado del proceso. Entonces, variando
estos factores uno a uno se observa qué influencia tiene cada uno en el resultado del
experimento.
Supongamos, por ejemplo, que tenemos una teoría que predice que el nivel a que una
sustancia se quema es función de las propiedades químicas dc la misma y de la cantidad de
oxigeno consumido en el proceso de la combustión. Para contrastar esta teoría podemos tomar un
número de piezas idénticas de alguna sustancia y quemarías, variando la cantidad de oxígeno en
cada caso. Esto nos permite ver cómo varia la combustión según sea la cantidad de oxígeno que
se utilice. Por otra parte, podemos tomar un número de sustancias de composición química
diferente y quemarías con la misma cantidad de oxígeno en cada caso. Esto nos permitirá
observar de qué manera varía la combustión de acuerdo con la composición química. En este ex-
perimento, no deben utilizarse nunca datos de la composición química y de la cantidad de
oxígeno cuando varían simultáneamente. Las condiciones del laboratorio son de interés para ver
las situaciones que surgen al variar uno de los factores, permaneciendo todos los demás
constantes.

CIENCIAS NO EXPERIMENTALES

En determinadas ciencias no podemos aislar individualmente los factores en experimentos de

laboratorio. Se utilizan, desde luego, observaciones para establecer las relaciones y contrastar las
teorías; pero tales observaciones aparecen en una forma un tanto compleja, porque en general se
modifican varios factores al mismo tiempo.
Consideremos, por ejemplo, la hipótesis de que la salud de un individuo adulto depende de los
alimentos que tomaba en su niñez. Está claro que muchos otros factores afectan la salud de los
adultos: herencia, condiciones de alimentación durante su adolescencia y varios aspectos del
ambiente social en que se han desarrollado. No existe manera alguna de examinar esta hipótesis
mediante un experimento controlado ya que es imposible hallar un grupo de adultos cuya
alimentación variara en su niñez, pero cuyos otros factores influyentes sobre su salud fueran
idénticos. ¿Deberemos concluir diciendo que una hipótesis como ésta no puede probarse porque
los otros factores no pueden permanecer constantes? Si lo hiciéramos así, negaríamos la
posibilidad de avanzar científicamente en medicina, biología y otras ciencias relacionadas con
los seres humanos tal como lo han venido haciendo durante los últimos cien años. La
contrastación es mucho más dura cuando no pueden utilizarse métodos de laboratorio; a pesar de
todo, es aún posible.
En una situación en la que muchas cosas varían a la vez, deberemos ser cuidadosos en la
utilización de los datos. Si estudiamos únicamente dos individuos y vemos que aquel que en su
niñez tuvo mejor alimentación tiene la salud más delicada de adulto, esto no refutará la hipótesis
de que una buena alimentación conduce a una mejor salud. Puede ser que algún otro factor haya
ejercido una importante influencia en estos dos individuos. La persona con menos salud quizás
haya vivido en un clima nórdico relativamente saludable. Está claro, pues que una sola excepción
no puede desautorizar la hipótesis de una relación entre dos cosas, siempre que admitamos que
otros factores pueden influir en el resultado1 .

1. Obsérvese con en una conversación normal una persona expone una posible relación (por ejemplo
entre la educación y alguna faceta del ser humano) y como alguien «refuta»su teoría citando un solo
caso (por ejemplo, «un amigo fue a esta escuela y no se volvió así») Es muy común en todas las
conversaciones triviales rechazar cualquier hipótesis diciendo: «esto es únicamente una generalización».
Todas las hipótesis interesantes son generalizaciones, y se observan algunas excepciones aparentes o
reales. Lo que necesitamos saber es la cantidad de evidencia que sostiene a la hipótesis como afirmación
de una tendencia general sobre la relación de dos cosas. Cuestiones así nunca pueden concluirse en uno
u otro sentido por la simple enumeración casual de alguna evidencia disponible en aquel momento.
En economía, resulta muy difícil, sino imposible, llevar a cabo experimentos controlados. En
consecuencia, debe ser una ciencia no experimental. No obstante, la economía genera
continuamente un conjunto de datos. Por ejemplo, los consumidores comparan diariamente
precios y deciden lo que van a comprar, las empresas comparan precios para decidir lo que van a
producir y los gobiernos intervienen mediante impuestos, subsidios y controles directos. Todos
estos datos pueden ser observados y registrados, proporcionando las observaciones empíricas
para contrastar las teorías económicas. Dada la complejidad de los datos obtenidos bajo
condiciones no experimentales, probablemente la observación casual no será suficiente para
contrastar las hipótesis económicas. El análisis estadístico moderno se desarrollo con el fin de
probar las hipótesis con rigor, en situaciones en que muchas cosas estuvieran cambiando a la
vez. Sus primeros desarrollos abordaron básicamente experimentos de la biología y la
agricultura. Sin embargo, más adelante surgió la ECONOMETRIA , como una rama especial de la
estadística, para el desarrollo de técnicas que permitieran la contrastación rigurosa de hipótesis a
partir de los datos generados en las circunstancias en que se producen normalmente los
acontecimientos económicos.

Aunque la economía debe ser una ciencia no experimental, la gran cantidad de

datos generados por la propia actividad económica, bato circunstancias conti-
nuamente cambiantes, proporciona la evidencia empírica que permite contrastar
las teorías económicas.

LA CONTRASTACIÓN ESTADISTICA DE LAS TEORIAS ECONÓMICAS: UN

EJEMPLO

Consideremos la hipótesis de que Uno de los factores importantes que influyen en la compra de
los bienes es la renta de los consumidores. Analizaremos una prueba de esta hipótesis, realizada
hace algunos años en los Estados Unidos, en la que se relaciona las rentas y la demanda de carne.
Para la puesta en práctica de la prueba, el ministerio de agricultura americano recogió datos de
las economías domésticas en lugar de obtenerlos de los consumidores. Una economía doméstica
es un grupo de individuos que viven bajo el mismo techo y toman conjuntamente sus decisiones
de consumo.
Imaginemos que nos ponemos en el lugar de los investigadores para llevara cabo esta prueba.
Para comenzar, necesitamos realizar algunas Observaciones sobre las rentas familiares y la
compra de carne de buey2. Nos damos cuenta de que no podemos enumerar a todas las familias
individuales de la población americana, de modo que debemos realizar un número inferior de
observaciones (llamado muestra) y esperar que represente típicamente a todas las familias
americanas.

2. Los datos de este ejemplo están sacados del libro de Daniel B Suits. Statistics: An Introduction to
Quantitative Economic Research. Chicago, Rand McNally, 1963, página 169.
LA MUESTRA

Comencemos por observar tres economías domésticas. El cuadro 3.1 registra sus datos, los
cuales pueden llevarnos a preguntar si nuestra hipótesis es falsa, pero, antes de que lleguemos a
semejante conclusión podríamos haber elegido tres economías domésticas que no fueran
representantes típicas de las economías domésticas de la nación. Posiblemente, decimos, el gasto
de alimentos se ve influido por otros factores distintos a la renta y posiblemente estos factores no
son dominantes en estos tres casos.
Para excluir esta posibilidad, tomemos un gran número de economías domésticas con el fin de
reducir las posibilidades de que dominen los casos atípicos. Suponga que lo hacemos
seleccionando 100 economías domésticas de entre nuestros amigos y conocidos. Un estadístico
nos advertiría, sin embargo, que nuestro nuevo grupo es una muestra sesgada, ya que sólo
incluye economías domésticas de un área geográfica limitada, probablemente de un mismo rango
ocupacional y, posiblemente, de rentas muy similares. Es poco probable que esta muestra sea
representativa de todas las economías domésticas en que estamos interesados.
El estadístico sugiere que tomemos una muestra al azar. Una muestra al azar se elige según
un conjunto rígidamente definido de condiciones que garantiza, entre otras cosas, el que todas las
economías domésticas en las que estamos interesados tengan las mismas oportunidades de ser
elegidas. El hecho de elegir nuestra muestra de una forma aleatoria tiene una consecuencia
importante Nos permite calcular la probabilidad de que no sea representativa en un determinado
aspecto mediante una cantidad establecida. La razón es que nuestra muestra se escogió al azar y
los sucesos aleatorios son predecibles.
Puede parecer sorprendente que los sucesos aleatorios sean predecibles. Si yo escojo una carta
de una baraja ordinaria, ¿qué probabi1idades hay de que sea corazones? y ¿un as de corazones?
Supóngase que se está jugando a un juego en que se ha de escoger una carta de la baraja; si salen
corazones se gana, si no, se pierde. Un amigo ofrece 5 libras al que gane contra 1 libra si pierde.
¿Quién saldrá ganando si se juega un gran número de veces? Si juega otra vez, pero con las
siguientes condiciones, 3 libras contra 1 libra, ¿quién saldrá ganando esta vez? Si se conocen las
respuestas a estas preguntas, se sabe que los sucesos aleatorios son, en cierto sentido, predeci-
bles.
¿Cómo se aplica en nuestro caso la posibilidad de medir los sucesos aleatorios? Si
seleccionamos las economías domésticas por puro azar, podemos conocer la posibilidad de elegir
una muestra poco representativa. Por ejemplo, si la renta media de todas las economías
domésticas americanas es 15 000 $ el resultado más probable sobre la renta media de una
muestra aleatoria será de 15 000 $, aunque no deberá sorprendernos si fuera 14 950 $ o incluso
16 000$. Cuanto más se aleje la renta media de nuestra muestra del verdadero valor que
corresponde a todas las economías domésticas, menos representativa es dicha muestra.
 La posibilidad de predecir los sucesos aleatorios nos permite calcular la
probabilidad de que el valor medio de una variable en una muestra aleatoria,
difiera en una cantidad determinada del verdadero valor medio de la misma
variable para toda la población. En general, cuanto mayor es la desviación menos
probable será que ocurra en una muestra auténticamente aleatoria.

EL ANÁLISIS DE LOS DATOS

Una vez elegida nuestra muestra aleatoria, que en nuestro caso abarca a 4827 economías
domésticas, recogemos información de cada economía. doméstica sobre su renta y su consumo
de carne. El próximo paso es representar gráficamente los datos de forma que podamos tener una
visión panorámica A dicha representación la llamamos el DIAGRAMA DE DISPERSIÓN 3. Medimos
la renta de las economías domésticas en el eje horizontal y el consumo de carne en el eje vertical
A cada economía doméstica le corresponde un punto en el gráfico que indica su renta anual y la
cantidad de carne comprada a la semana. Sin embargo, un diagrama de dispersión con 4827 pon-
tos sería ininteligible, cuando se reduce al tamaño del papel impreso. Por lo tanto, hemos
dibujado los puntos de la figura 3.1 tomando una muestra aleatoria de 5% de las 4827
economías domésticas. Se afirma que cada uno de los 241 puntos, representa a 20 de las
economías domésticas en nuestra muestra original.

3. Las dos técnicas más importantes para representar los datos económicos, el diagrama de dispersión y
las series temporales, se discutirán en el apéndice de este capítulo

El diagrama de dispersión muestra una fuerte tendencia manifestada en que cuanto mayor es
la renta de las economías domésticas, mayores son sus compras de carne. Utilizando el lenguaje
introducido en el capítulo 2, las compras de carne son una función creciente de a renta de las
economías domésticas. No obstante, la relación no es determinista, ya que existen variaciones
considerables en las compras de carne que no pueden asociarse a cambios en la renta. Estas
«variaciones no explicadas» en las compras de carne se producen por dos razones: primero,
porque están influidas por otros factores además de la renta, y, segundo, porque en nuestras
mediciones existen necesariamente algunos errores (Ej. una economía doméstica puede haber
registrado incorrectamente sus compras de carne).
Con el fin de hacer más manejables los datos, vamos a proceder a agruparlos, obteniendo el
cuadro 3.2, en el que las economías domésticas se dividen en diez grupos de acuerdo a la renta y
se calcula el consumo medio de carne correspondiente a cada grupo de renta. Esto reduce las
4827 observaciones solamente a diez. Se produce una importante pérdida de detalle, pero el
cuadro nos muestra más claramente la tendencia general sobre la compra de carne cuando
aumenta la renta.
El próximo paso sería aplicar el análisis estadístico a todos los datos de nuestra muestra. Los
detalles de cómo deberíamos hacer esto se explican en los cursos de estadística y econometría,
aunque aquí podemos hacer hincapié en tres cosas importantes que pueden hacerse mediante
dicho análisis de los datos.
Primero, podemos ajustar a los datos una línea que representará la mejor estimación de la
relación real entre la renta de las economías domésticas y las compras de carne de las 4827
economías domésticas de nuestra muestra4 Esa línea describe la tendencia que se sigue cuando a
rentas superiores se produce un consumo mayor de carne. (La ecuación de la recta ajustada
siguiendo este procedimiento es B = 2,35 +0,47Y, donde B es la compra de carne en libras e Y
la renta en miles de dólares por año. La recta muestra que para cada incremento de 1000 $ en la
renta de las economías domésticas, el consumo de carne tiende aumentar en casi media libra por
semana).

4. Antes de ajustar la línea, debemos decidir si la relación se describe mejor por una línea recta o
curva. Afortunadamente, existen pruebas que nos permiten descubrir si estamos en un error al pensar
que relación es lineal cuando realmente es curvilínea. En el ejemplo aquí considerado, la relación
correcta es un poco curvilínea. pero, por aproximación, podemos trazar una línea recta

En segundo lugar, podemos obtener una medida del porcentaje de variación en el gasto de carne
de las economías domésticas que puede ser explicado por las variaciones de la renta de los
consumidores. Esta medida, que se expresa por r2 , recibe el nombre de coeficiente de
determinación, y puede tomar cualquier valor entre cero y uno. Si la relación fuera determinista,
r2 seria la unidad, lo que significa en nuestro caso que cualquier variación en el consumo de
carne se debe a variaciones en la renta. Si no existiera relación, r2 sería cero. Cualquier tipo de
relación. en mayor o menor grado, r2 seria mayor que cero y menor que uno. Cuanto mayor sea r2
mayor será la proporción de las variaciones en las compras de carne debidas a cambios en la ren-
ta. En términos generales, r2 es una medida del grado de dispersión de las observaciones
individuales alrededor de la línea que descubre la relación media entre compras de carne y renta:
si todos los puntos se sitúan en la línea, r2 será la unidad, mientras que cuanto más difusa sea la
nube de puntos en relación a la línea, más débil es la relación y más se aproxima a cero el valor
de r2 .
En tercer lugar, podemos aplicar un « test de significación», lo que nos: permite descubrir las
posibilidades de que la relación que hemos descubierto se deba sólo a que nuestra muestra no es
representativa de las economías domésticas de los Estados Unidos. En el caso presente, existe
una posibilidad de menos de 1/1 000 000 de hacer las observaciones que hemos efectuado si en
realidad no existiera relación entre las compras de carne y la renta de las economías domésticas.
Así, podemos tener gran confianza en la hipótesis de que estas dos variables, compras de carne y
renta de las economías domésticas, están, en realidad, positivamente relacionadas en los Estados
Unidos.
LA INFLUENCIA DE OTRAS VARIABLES
Está claro en el diagrama que no podemos achacar todas las variaciones en las compras de las
economías domésticas a las variaciones en la renta. Si pudiéramos hacerlo, todos los puntos
estarían en línea. Trataremos de descubrir los demás factores que ejercen también una influencia
sistemática en el consumo de carne. ¿Qué puede hacer que una economía doméstica con una
renta de 6000 $ compre un 20 por ciento más de carne que otra con la misma renta? Un posible
factor sería el que la carne de buey tuviera diferentes precios de una región a otra. Seguramente
existirán otros factores, tales como el tamaño de la familia y la religión, pero utilicemos el precio
para ilustrar cómo manejar más de un factor simultáneamente. Supongamos que se cuenta con
una relación de los datos relativos a los precios de las diferentes piezas de buey en cada ciudad
de las que una economía doméstica de la muestra compra su carne. Estos datos se utilizan para
calcular el precio medio de la carne de buey con el que se enfrenta cada economía doméstica.
Tenemos ahora tres observaciones para una de nuestras 4827 economías domésticas: su renta
anual, sus compras semanales de carne y el precio medio de la carne que compra. ¿Cómo
debemos manejar estos datos? Desgraciadamente, nuestro diagrama anterior ya no nos sirve,
pues no podemos representar la relación entre tres cosas en un gráfico bidimensional. Sin
embargo, sí que podemos agrupar los datos de forma cruzada. Para hacerlo, clasificamos primero
las economías domésticas en cinco grupos de renta por intervalos de 2000 $5 Luego
subdividimos a las economías domésticas pertenecientes a cada grupo de renta de acuerdo al
precio pagado por su carne. Esto nos permite obtener veinte grupos de economías domésticas.
Calculamos para cada uno las compras medias de carne y las situamos en sus lugares co-
rrespondientes en el cuadro 3.3. Por ejemplo, las economías tienen una renta entre 6000$ y 7999
$ y que se enfrentan a un precio de la carne entre 0,80 $ y 0,99 $ la libra adquieren un promedio
de 5,53 libras a la semana, mientras que aquellas economías domésticas en el mismo grupo de
renta que se enfrentan a un precio entre 1,40 $ y 1,59 $ compran solamente un promedio de 5,07
libras por semana.

5. Para impedir que el cuadro sea demasiado extenso, hemos agrupado las economías domésticas en
grupos de 2000 $ en vez de en grupos de 1000 $, como en el cuadro 3.2. pero se debe sólo a una
cuestión de conveniencia pudiéndose hacer tan detallado como se quiera, según sea el fin perseguido.
 Cada fila del cuadro muestra el efecto del precio sobre las compras de carne para un
determinado nivel de renta. Leyendo la segunda hilera, por ejemplo, vemos que las economías
domésticas con una renta entre 2000 $ y 3999 $, compran 4.14 libras de carne por media cuando
el precio está entre 1 y 1,19 $, y así sucesivamente. Cada columna del cuadro muestra el efecto
de la renta sobre las compras de carne a un determinado precio. Por ejemplo, la última columna
muestra cómo varían las compras de carne con la renta para aquellas economías domésticas que
están sujetas a precios medios muy altos. Cuando estaban vigentes estos precios, las compras
variaban entre 2,43 libras para el grupo de renta menor y 5,53 para el de renta mayor.
Debiera advertirse claramente que esta clasificación se acoge a la idea de que todas las demás
cosas permanezcan constantes, recurso que sólo es posible en las ciencias de laboratorio6 .A1 leer
cualquier fila, mantenemos el precio constante en un sector que puede reducirse afinando más la
clasificación y variamos el precio. Al leer cualquier columna mantenemos el precio constante a
un nivel específico y variamos la renta.

6. Véase en la página 44 «Funciones de más de una variable» y « Derivadas parciales».

Si queremos profundizar algo más también necesitamos, en este caso, apear con rigor los
instrumentos del análisis estadístico. Cuando, como ocurre ahora tenemos más de una variable
explicativa, utilizamos una técnica llamada análisis de regresión múltiple. Al igual que ocurría
cuando sólo teníamos una variable explicativa, este instrumento nos permite hacer tres cosas de
importancia. Primera, estimar la relación numérica entre las compras de carne semanales, por un
lado, y el precio y la renta, por otro. Segunda, podemos medir la proporción de las variaciones en
las compras de carne que puede explicarse por los cambios del precio y por los de la renta.
Finalmente, podemos estimar la probabilidad de que las relaciones halladas se deban a la
casualidad, al haber elegido por mala suerte una muestra de economías domésticas poco
representativa.

MEDICIONES Y CONTRASTACIONES

Las técnicas estadísticas nos pueden ayudar a medir la naturaleza y la intensidad de las
relaciones económicas, así como la probabilidad de que un cierto resultado haya surgido
únicamente por casualidad. Pero lo que realmente no pueden hacer es probar con certeza que
una hipótesis sea verdadera o falsa. Cuestión ésta que ya considerábamos en el capitulo 1 y que
de forma resumida reconsideraremos a otro nivel.

¿PODEMOS PROBAR LA VERACIDAD DE UNA HIPÓTESIS?

La mayoría de las hipótesis de la economía son del tipo de las llamadas hipótesis universales.
Establecen que, dadas unas determinadas condiciones, la causa X siempre producirá el efecto Y.
Ya hemos observado que no puede probarse la veracidad de las hipótesis universales debido a
que solamente podemos hacer un número finito de observaciones y, naturalmente, siempre cabrá
la posibilidad de que en el futuro se obtengan observaciones que estén en conflicto con la teoría.
¿PODEMOS PROBAR LA FALSEDAD DE UNA HIPÓTESIS?

Por la misma razón, no podemos hacer una refutación categórica de una hipótesis
estadística. Consideremos la hipótesis: «La mayoría de los cuervos son negros» Observamos 50
cuervos; 49 son grises y uno negro. ¿Hemos refutado la hipótesis? La respuesta es negativa, ya
que es posible que ello se debiera simplemente a la mala suerte pues observando todos los
cuervos del mundo podríamos probar que la mayor parte de los mismos son negros. Entonces,
debemos preguntarnos si es posible refutar categóricamente una hipótesis. Para hacerlo
necesitamos dos condiciones Primero, la hipótesis no deberá admitir ninguna excepción; por
ejemplo, todos los cuervos son negros, que, en la terminología del capítulo 1, se configura como
una hipótesis determinista, no estadística (Recordemos que una hipótesis determinista no admite
excepciones, mientras que una estadística se ocupa en general de tendencias) En segundo lugar,
debemos estar seguros de que cualquier observación aparentemente en conflicto con las hipótesis
no puede adolecer de ningún error de procedimiento. La observación 49, cuervos negros y un
cuervo gris refuta 1 hipótesis de que todos los cuervos son negros, suponiendo, desde luego, que
tengamos la seguridad de que verdaderamente vimos un cuervo gris. Pero, ¿podemos estar
seguros de que aquel pájaro extraño era realmente un cuervo? ¿Podemos asegurar que aquel
cuervo gris no era un cuervo negro polvoriento? Los errores de observación siempre deben
tenerse en cuenta. Por esta razón, ninguna hipótesis puede refutarse basándose en una sola
observación, y no podrá serlo nunca categóricamente, sea cual sea el numero de observaciones
en que nos basemos. Si observamos 49 cuervos grises y uno solo negro, nuestra con fianza en la
hipótesis de que todos los cuervos son negros se verá resentida y quizá la abandonaremos (más
adelante volveremos sobre ello) Mas nunca podremos tener la certeza de que a lo mejor estos 49
cuervos fueron debidos a errores de observación y, por tanto, si hubiésemos persistido en el
estudio, quizás habríamos llegado a observar 999 950 cuervos negros y 50 cuervos grises (En tal
caso, la hipótesis podría sostenerse con bastante seguridad, ya que un error de medición de un
0,005 por ciento es más bien despreciable)

REGLAS DE DECISIÓN
Hemos visto que, en general, no podemos probar ni refutar concluyentemente ninguna hipótesis,
sea cual sea el número de observaciones en que nos basemos 7 . Sin embargo, habremos de tomar
decisiones y actuar como si efectivamente fueran refutadas (es decir, las tuviéramos que
rechazar) o como si fueran probadas (esto es, las tuviéramos que aceptar). Advertíamos
anteriormente que la decisión de aceptar o rechazar una hipótesis está sujeta a un error.
Utilizando el análisis estadístico podemos controlar la posibilidad de cometer errores aun cuando
no los podamos eliminar.
7. Esto es debido al hecho de que yo tomo todas las hipótesis empíricas como estadísticas, pensando
en la existencia universal del error en la observación. Se toman, claro está, decisiones arbitrarias para
rechazar hipótesis estadísticas, pero también lo hacemos al aceptarlas. Estas reglas para fundamentar
decisiones prácticas no tienen nada que ver con cuestiones metodológicas acerca de si una hipótesis
puede ser refutada o probada concluyentemente. Mi respuesta a ambas preguntas es que no. Aquellos
que no estén convencidos con mis argumentos pueden seguir leyendo el texto mientras quieran aceptar
que la mayoría de las hipótesis en economía son de naturaleza estadística.
 Consideremos un ejemplo. Al estudiar el gasto en carne de nuestra hipótesis, podría haber
sucedido que el consumo de las economías domésticas en USA decreciera al aumentar su renta.
Debiéramos preguntarnos entonces cuáles son las posibilidades de efectuar las observaciones
mostradas en el cuadro 3.1, aunque la hipótesis fuera correcta. Existe siempre la posibilidad de
que nuestra muestra sea atípica respecto al conjunto de las economías domésticas de USA o que
la relación no aparezca como es debido a errores de medición. Si calculamos que la posibilidad
de realizar las observaciones de la figura 3.1 es menor que 1/ 100 a pesar de la hipótesis de que
las compras de carne decrecen cuando la renta crece con respecto al conjunto de economías
domésticas americanas, deberíamos abandonar la hipótesis y considerarla refutada para
propósitos prácticos.
Pero es importante advertir que, por una parte, nunca podremos tener la plena seguridad de
estar en lo cierto y rechazar una hipótesis estadística y, por otra, que no existe magia alguna en la
fijación arbitraria de los límites. Éstos (que en este caso presentan menos de una posibilidad ente
100 de ser falsos) permiten basar o algo las decisiones que deben tomarse y, desde luego, las
decisiones siempre pueden cambiarse de surgir alguna nueva evidencia.

LA ELECCIÓN ENTRE DISTINTAS HIPÓTESIS

La metodología estadística más antigua tendía a destacar la necesidad de contrastar «de una en
una» las teorías. La metodología más moderna ha puesto énfasis en el uso del análisis estadístico
para elegir entre dos o más teorías en competencia, ya que de cada vez resulta más evidente que
las teorías en economía nunca pueden confirmarse ni refutarse definitivamente. Aunque nunca
podemos tener la seguridad de que una es correcta y la otra falsa, tenemos la esperanza de poder
demostrar que los datos favorecen a una en contra de la otra, en el sentido de que existe una
mayor probabilidad de que lo que se observó de hecho es lo que deberíamos haber observado, si
las fuerzas causales fueran las descritas por la teoría A y no las descritas por la teoría B. Para
llevar a cabo estas pruebas debemos descubrir, primero, cuando las teorías A y B hacen
predicciones que entran en conflicto. Por ejemplo, la teoría A podría predecir una significativa
relación entre las variables X e Y, porque, según dicha teoría, X influye en Y; la teoría B podría
predecir la inexistencia de una relación significativa entre X e Y, ya que si nos atenemos a ella X
no ejerce ningún efecto sobre Y. Puede estudiarse la relación empírica entre X e Y y las
conclusiones alcanzadas sobre la probabilidad de que lo observado podría haber ocurrido si la
teoría A fuera correcta o si lo fuera la B.

MEDICIÓN CUANTITATIVA DE LAS RELACIONES ECONÓMICAS

Hasta aquí hemos considerado la posibilidad de que ciertas observaciones mantengan
determinadas hipótesis generales. Los datos reales sostienen, por ejemplo, que el gasto en carne
de las unidades de consumo aumenta a medida que se eleva su renta. Esto, sin duda, no es
suficiente, siendo realmente importante cuantificar tal proposición cualitativa. En este caso,
quisiéramos poder decir que el gasto en carne de buey de las unidades de consumo
norteamericanas aumenta en una determinada cantidad, por cada dólar de incremento de su renta.
Las teorías económicas son escasamente útiles en tanto no hayamos podido cuantificar las
relaciones que establecen. Para estimar tales magnitudes, el sentido común o la intuición no nos
ayudan demasiado. El sentido común nos sugerirá quizá que el gasto en alimentación aumentará,
en vez de disminuir, a medida que crezca la renta; pero únicamente una observación cuidadosa
nos permitirá conocer la cuantía del aumento.
Una de las mejores utilizaciones del análisis estadístico estriba en su ayuda para cuantificar
relaciones que se Originan en las teorías. En la práctica, podemos utilizar las observaciones de
hecho, tanto para probar una hipótesis acerca de que dos cosas están relacionadas, como para
estimar los valores numéricos de la función que describe tal relación.
Muy a menudo, el resultado de la prueba estadística de una teoría consiste en sugerir una
nueva hipótesis que «esté de acuerdo con los hechos» en mayor medida que la anterior.
Deberíamos fijarnos otra vez en la figura 1.1, para determinar esta vez dónde incluiríamos dicha
hipótesis nueva 8 .

8. Las hipótesis con base en datos se denominan a veces hipótesis inductivas en contraposición a las
deductivas. Pero en cualquier ciencia. la secuencia de teorías y contrastación es continua. La cuestión
acerca de qué es lo que fue primero, sí la teoría o la observación, es similar a aquel debate sobre qué fue
primero, el huevo o la gallina.

Aunque nunca se puede afirmar de forma absoluta la existencia de un momento

final en la contrastación de hipótesis económicas, el análisis estadístico puede
utilizarse, primero, para determinar con qué probabilidad las fuerzas causales
presentes en una determinada teoría se cumplen a partir de los hechos realmente
observados; seguido, para elegir entre dos teorías en competencia, a partir de los
resultados obtenidos mediante las probabilidades; y, tercero, para medir las
relaciones cuantitativas entre las variables, ya que la teoría afirma que esta
relación existe.

UNA LLAMADA A LA PRUDENCIA

En los tres primeros capítulos me he ocupado en demostrar que la economía puede ser
científica. Sin embargo, son necesarias algunas observaciones.
Existen tres diferencias fundamentales entre las distintas ciencias. Por ello, los métodos que
funcionan bien en una ciencia, pueden resultar inútiles en otra.
Concretamente, lo que funciona en física, la reina de todas las ciencias puede no resultar en
una ciencia social como la economía. Sin embargo, lo que unifica todas las ciencias es el que
sean capaces de explicar y predecir los fenómenos observados, y el que sus fracasos o éxitos
respondan a la posibilidad de hacerlo.
Debido a que éste no es un libro de texto sobre estadística económica, no se han subrayado los
problemas implicados en la recogida de observaciones fidedignas, o «hechos», necesaria para la
contrastación9 . Tales problemas pueden ser considerables, y existe siempre el peligro de refutar
una teoría en base a observaciones erróneas. Las observaciones poco fidedignas son frecuentes.
Es importante observar que en el caso de que creamos que todas nuestras observaciones son poco
dignas de crédito, ya no existe nada que explicar y, por tanto, ya no es necesaria una teoría eco-
nómica. Si, en cambio, pensamos que existen suficientes observaciones fidedignas que requieren
una explicación, también debemos creer que tenemos observaciones fidedignas suficientes que
sirvan de comprobación a nuestras teorías.
En tercer lugar, me he ocupado en este capítulo de contradecir la opinión corriente de que los
economistas no pueden ser científicos en su utilización de los datos debido a la imposibilidad de
realizar experimentos controlados. En este capítulo se presentan las posibles técnicas
estadísticas, que son bastante complicadas, siendo las trampas posibles demasiado numerosas
para ser mencionadas aquí. Existe, sin embargo, una materia nueva, la econometría, que está
tratando de corregir las técnicas existentes y desarrollar otras nuevas capaces de solucionar los
problemas específicos de la economía y otras ciencias sociales. Iniciarse en la economía o
cualquier otra investigación social sin un conocimiento completo de la estadística resultaría muy
arriesgado.

9. Si bien no he profundizado en este problema. la cuestión de la fidelidad de las observaciones

aparece explícita o implícitamente en el análisis de las paginas 12, 13.15, 54 y 55.
APÉNDICE AL CAPÍTULO 3

LA REPRESENTACION GRÁFICA Y LOS NÚMEROS ÍNDICES

El dicho popular «los hechos hablan por sí mismos» resulta ser falso casi siempre cuando
los hechos son muchos. Se necesitan teorías que expliquen cómo se relacionan los hechos,
y se precisan mediciones que ayuden a analizar la relación entre éstos y las teorías. La
forma más simple de obtener una estructura resumida de un gran número de observaciones
es el uso de tablas y gráficos. La representación gráfica juega un importante papel en la
economía, ya que permite representar los datos observados y las teorías económicas, siendo
el objeto de la primera parte de este apéndice. Los números índices, utilizados normalmente
para agrupar un conjunto de datos elevado y que se agrupan en series estadísticas reducidas,
son la materia a estudiar en la segunda parte.

LA REPRESENTACIÓN GRÁFICA
El diagrama de dispersión

El DIAGRAMA DE DISPERSIÓN proporciona un método de representación gráfica de

cualquier número de observaciones hechas en dos variables, las variables se miden sobre
cada eje, y cada punto en la grafica representa simultáneamente un valor concreto de cada
una de ellas. El diagrama de dispersión es útil, porque se verá a simple vista si existe
relación entre las dos variables. De ahí que en la figura 3.1 se vea claramente que cuando la
renta aumenta, las compras de carne también lo hacen. También se aprecia que esta relación
es lineal solamente en términos aproximados, ya que para incrementos de renta por encima
de los 5000 $ anuales parece que las compras de carne aumentan cada vez menos cuando
aumenta la renta. Esta nube de puntos también nos permite captar si la relación es muy
estrecha: si la renta fuera la única determinante de las compras de carne, todos los puntos se
situarían sobre una sola línea. Sin embargo, puede suceder que los puntos presenten una
cierta dispersión, en la que cada renta está a menudo representada por varias economías
domésticas correspondiéndole a cada una cantidades diferentes de carne comprada. Los
datos utilizados en este ejemplo son DATOS DE CORTE TRANSVERSAL (Cross-sectional
data). Se comparan las rentas y las compras de carne de diferentes economías domésticas
para un determinado período de tiempo. También puede representarse un diagrama de
dispersión para un número de observaciones de dos variables en sucesivos períodos de
tiempo. Por lo tanto, si se quiere conocer la existencia de una relación entre la renta
personal y el consumo en el Reino Unido entre 1970 y 1981, deberemos obtener los datos
que se recogen en el cuadro 3.4. Esta información puede representarse en un diagrama de
dispersión en el que la renta se situaría en el eje de abcisas y el consumo en el de ordena-
das, con el fin de descubrir cualquier relación entre las dos variables. Así se ha hecho en la
figura 3.2. observándose una relación lineal. En este ejercicio se ha utilizado un diagrama
de dispersión de observaciones tomadas en períodos de tiempo sucesivos. Estos datos reci-
ben el nombre de DATOS DE SERIES TEMPORALES, que no suponen la adopción de una
nueva técnica a la hora de representarlos gráficamente, ya que cuando se representan los
datos de corte transversal, cada punto nos proporciona el valor de dos variables
pertenecientes a un sujeto en particular (por ejemplo, una economía doméstica, y para los
datos de series temporales, cada punto representa los valores de dos variables Para un año
determinado.

Representación grafica de las sedes temporales

En vez de estudiar la relación entre la renta y el consumo en el epígrafe anterior, puede

llevarse a cabo un estudio del comportamiento de los cambios temporales en una de estas
variables. En la figura 3.3 se representa esta información en lo que al consumo se refiere,
siendo el tiempo una variable y los gastos en consumo la otra. No obstante, el tiempo es
una variable muy especial, ya que es importante el orden en el que se producen los
distintos sucesos. Al año 1974 le siguió el año 1975, por lo que no fueron dos años
independientes y no relacionados. (Por el contrario, dos economías domésticas,
seleccionadas aleatoriamente son independientes y no están relacionadas) Por ello, es
costumbre representar en la línea segmentos que unan los sucesivos puntos. A la re-
presentación gráfica de la figura se la conoce bajo el nombre de DIAGRAMA DE SERIES
TEMPORALES o, simplemente, series temporales y representa los valores de unas variables a
lo largo de sucesivos períodos de tiempo Su utilidad se basa en que permite observar si la
variable objeto del análisis se ha modificado de forma sistemática o si su comportamiento
ha sido más o menos equivocado.

Relaciones escalares (escala logarítmica)

Con frecuencia puede resultar más interesante analizar los cambios proporcionales, en
lugar de los absolutos. En la ESCALA NATURAL la distancia entre números es proporcional a
la diferencia absoluta entre dichos números. Por ejemplo, 200 está situado en el punto
medio de 100 y 300. En una RELACIÓN ESCALAR la distancia entre números es
proporcional a la diferencia absoluta entre sus logaritmos. Distancias iguales en una
relación escalar representan porcentajes iguales de variación, en vez de variaciones
absolutas iguales. En una relación escalar la distancia entre 100 y 200 es la misma que entre
200 y 400, entre 1000 y 2000 o entre cualquier par de números cuya razón sea 1:2. Por
razones obvias esta relación escalar también se conoce bajo el nombre de ESCALA LO-
GARITMICA .
En el cuadro 3.5 figuran dos series: una crece a una cantidad absoluta constante de 8
unidades por período de tiempo y, otra, a una tasa constante del 1000/0. En la figura 3.4 se
representan las series, primero en escala natural y luego en escala logarítmica. La serie A,
que crece en términos absolutos, es una línea recta en escala natural, sin embargo, es una
curva de pendiente decreciente en escala logarítmica, ya que el mismo crecimiento absoluto
coincide con una variación porcentual decreciente. La serie B es creciente en términos
absolutos pero a una tasa porcentual constante, es decir su pendiente es creciente en escala
natural, pero es una línea recta en escala logarítmica. La escala natural facilita la
apreciación de las variaciones absolutas, mientras que la escala logarítmica permite analizar
las variaciones proporcionales10.
 10. En economía se utilizan con frecuencia gráficos con escala logarítmica en un eje y escala
natural
el otro En los casos que acabarnos de explicar utilizamos la escala logarítmica en el eje vertical
y la naturalidad (el tiempo) en la horizontal que reciben a menudo el .nombre de gráficos
semilogarítmicos. En determinados trabajos científicos se emplean los gráficos con escalas
logarítmicas en ambos ejes que se denominan doble logaritmos.

LOS NUMEROS ÍNDICES

Los economistas pretenden con frecuencia obtener respuestas sencillas a preguntas como:
«¿Cuánto han subido los precios este año?» o bien «¿Ha aumentado la producción
industrial este año?», y, si así ha sido, «¿en qué cuantía?». No existe una respuesta del todo
satisfactoria a la primera pregunta porque no todos los precios cambian a la vez, y tampoco
a la segunda porque no se pueden sumar las toneladas de acero, con los muebles fabricados
y con los galones de petróleo para obtener una cifra global. Pero lo cierto es que estas
preguntas no están fuera de lugar. Existen tendencias en los precios y en la producción y,
en consecuencia, es necesario describir estos fenómenos reales.
Los números índices son medidas estadísticas que se utilizan para obtener una respuesta
precisa a las complejas preguntas que acabamos de formular. Un NÚMERO INDICE mide,
mediante la utilización de un tipo concreto de promedio, la variación porcentual que se ha
producido desde un determinado periodo base. En este sentido, expresa tendencias
generales y no hechos concretos. Los dos más importantes son el índice de precios y el de
cantidades.

Números Índices de precios

Un INDICE DE PRECIOS expresa el cambio porcentual medio de un conjunto de precios que
se ha producido entre determinados periodos de tiempo. Al periodo inicial, a partir del cual
se mide el cambio, se le llama PERIODO BASE (o año base) Así mismo, existe un
determinado período de tiempo del que se desea conocer el cambio en relación al período
base. Vamos ahora a desarrollar algunos aspectos ligados a la definición de números
índices.
Primero, ¿qué grupo de precios debería utilizarse? Esto depende del índice. EL INDICE
DE PRECIOS AL POR MENOR O INDICE DE PRECIOS AL CONSUMO (IPC) toma en
consideración los precios de los bienes y servicios que adquieren normalmente las
economías domésticas. Las variaciones en el IPC miden los cambios en el «coste de la
vida» de una economía doméstica típica. El índice de precios al por mayor está integrado
por un grupo diferente de productos que son los que compran y venden los mayoristas. El
«deflactor implícito del PIB» es el índice de precios que cubre virtualmente a todos los
bienes y servicios producidos en la economía; incluye no sólo a los bienes de consumo y
los servicios adquiridos por las economías domésticas, sino también los precios de los
bienes de capital, tales como las plantas y la maquinaria compradas por las empresas.
Segundo, ¿qué tipo de promedio debería utilizarse? Si todos los precios fueran a cambiar
en la misma proporción, ésto no constituiría un problema importante. Un 10 % de aumento
de todos y cada uno de los precios produciría un aumento promedio del 10 % sea cual sea la
importancia que demos a cada variación de precio cuando calculamos el promedio. Pero
¿qué ocurrirá, como sucede normalmente, si los cambios en los precios son distintos? En
este caso, es preciso hacer constar la importancia que damos a la variación de cada precio.
Un aumento del 50 % en el precio del caviar seguramente es mucho menos importante para
el consumidor medio que un incremento del 40 % en el precio del pan y este, a su vez, es
menos importante que un aumento del 30 % en el precio de la vivienda. ¿Por qué ocurre
ésto? La razón es que la economía doméstica típica gasta menos en caviar que en pan y
menos en pan que en vivienda.
Al calcular cualquier índice de precios, los estadísticos pretenden ponderar cada precio
de acuerdo con su importancia. Veamos cómo se hace ésto en el IPC. Los organismos de
estadísticas de los gobiernos encuestan periódicamente a un grupo de economías do-
mésticas con el fin de descubrir cómo gastan su renta. Se calcula la cesta o conjunto de
bienes que adquieren en promedio, ponderándose los precios de acuerdo con las cantidades
de bienes que forman dicha cesta o conjunto de bienes. De esta forma, los cambios en el
promedio de precios dependen en gran manera de aquellos bienes que son adquiridos en
cuantías significativas para los consumidores, en cambio apenas se verán influidos por los
bienes poco importantes en el gasto de los consumidores. El procedimiento se ilustra en el
cuadro 3.6.

Finalmente, ¿cómo se calcula el cambio promedio? Esto se hace comparando el coste de

adquisición del conjunto típico de bienes en el período base y en el año que queremos
calcular. El coste del período de cálculo se expresa como un porcentaje del coste del
período base, siendo la cifra correspondiente el número índice del nuevo periodo. Por
ejemplo, en el cuadro 3.6 el índice para el año 1984 es el coste de comprar dicha cesta de
bienes en 1984 expresado como un porcentaje del coste de compra de la misma cesta en el
año base (que es 1983 en este ejemplo). Por ello, el índice de precios del año base es
siempre 100. El índice 180, significa que los precios han aumentado en promedio un 80 %
entre el año base y el año en cuestión.

Un número índice de precios, con ponderaciones de un determinado año

base, es la relación entre el coste de adquisición de un conjunto de bienes en
el año que queremos calcular y el coste de adquisición del mismo conjunto
en el año base multiplicado por 100.
 En consecuencia, el cambio porcentual en el coste de compra del conjunto de bienes es
el número índice menos 100. Un número índice de 110 nos indica un incremento porcentual
en los precios del 10 % en relación al año base.

Algunas dificultades. Un número índice pretende reflejar las grandes tendencias de los
precios, olvidándose de los detalles. Esto significa que aunque la información pueda ser
extremadamente válida, deba interpretarse con cuidado. De las muchas razones que existen
para ello vamos a destacar tres.
Primera, las ponderaciones en el índice se refieren a un conjunto de bienes promedio.
Este promedio, aunque es lo característico del consumo del país, no es necesariamente el
consumo típico de cada economía doméstica. El rico, el pobre, el joven, el viejo, el soltero,
el casado, el que vive en las zonas urbanas y el que lo hace en las zonas rurales con sumen
combinaciones de bienes que difieren entre sí. Un aumento de las tarifas aéreas, por
ejemplo, aumentará el coste de vida de un viajante de renta media y no afectará a una
persona pobre que nunca viaja. En el ejemplo del cuadro 3.6, el coste de la vida habría au-
mentado, respectivamente, el 100 %, el 40 % y el 380 % para tres familias diferentes, una
que consumiera sólo el bien A, otra sólo el bien B y la tercera únicamente el C. Sin
embargo, el índice en el cuadro muestra que el coste de vida aumentó un 80 % para una
familia que consumiera los tres bienes en las cantidades relativas indicadas.

Cuanto más diverge el comportamiento de consumo de una determinada

economía doméstica del comportamiento típico utilizado para ponderar los
precios en el índice de precios, menos reflejará éste índice el cambio
promedio en los precios que afecta a dicha economía doméstica.

Segunda, normalmente, las economías domésticas alteran sus pautas de consumo a

consecuencia de las variaciones de precios. Un índice de precios que refleje los cambios en
el coste de adquisición de un conjunto fijo de bienes no admite esta posibilidad. Por
ejemplo, el índice del coste de la vida típico para las familias de renta media a principios de
siglo habría otorgado una fuerte ponderación al coste de las personas del servicio
doméstico. El hecho de que se doblaran los salarios de estas personas en 1900 habría
aumentado mucho el coste de vida de las clases medias. En la actualidad tendría un efecto
reducido, ya que el aumento del coste del factor trabajo ha provocado desde hace tiempo
que las familias de clase media dejaran de tener empleados del hogar a jornada completa.
Una economía doméstica que reduce fuertemente su consumo de un bien cuyo precio está
aumentando rápidamente, no sufre un incremento de su coste de vida tan rápido como la
que continua consumiendo dicho bien en la misma cantidad.

Un Índice de precios con ponderaciones fijas tiende a exagerar las varia-

ciones en el coste de vida al no permitir la incorporación de los cambios en
las pautas de consumo que se manifiestan en el desplazamiento desde el
consumo de bienes cuyos precios han aumentado más al de aquellos bienes
cuyos precios han aumentado menos.
Tercera, en el trascurso del tiempo, nuevos productos entran a formar parte en el conjunto
de bienes y servicios consumidos, mientras que a otros les ocurre lo contrario. Un índice
del coste de vida en 1890 daría cabida en un lugar preferente a los carruajes tirados por ca-
ballos y a la comida de los caballos, pero no tendría en cuenta a los automóviles y a la
gasolina.

Un Índice de precios con ponderaciones fijas no permite la incorporación de

nuevos productos y la disminución de la importancia de los viejos en el
conjunto de consumo típico de las economías domésticas.

Cuanto más largo es el período de tiempo que transcurre menos representativo de las
pautas de consumo actuales será un determinado conjunto de bienes de consumo fijo. Por
esta razón, el gobierno lleva a cabo encuestas periódicamente sobre la forma como gastan
las economías domésticas, lo que le permite alterar las ponderaciones. A partir de aquí, se
suele cambiar el año base para adecuarlo al año en que se calcula el nuevo conjunto de
ponderaciones de los bienes.

Los números índices de la producción física

Existen muchos índices de producción. Al igual que los índices de precios ahora
analizados, son promedios de los cambios de cientos de componentes individuales. No
resulta complicado medir las variaciones de la producción de toneladas de acero cada mes o
cada año, ni de neumáticos o aparatos dc televisión. Algo más difícil de medir es la
cantidad de letra impresa, de mobiliario y de aviones, porque. la unidad de producción está
menos definida, aunque en estos casos también es fácil obtener una buena aproximación.
El cuadro 3.7 ilustra de forma simplificada el cálculo necesario para un ejemplo de dos
industrias. El incremento en la cantidad de cada industria se muestra en la columna
«cantidad relativa», Q1 /Q0 . La industria A era más importante que la industria B en el año
base como se observa en los valores de la producción en 1983, V0 . Por lo tanto, la industria
A obtiene una ponderación mayor en el cómputo del índice de cantidades. El valor total de
la producción en 1983 era de 12 billones de libras. La última columna muestra el aumento
del valor de la producción causado por el incremento en la cantidad, suponiendo que los
precios y la importancia relativa de los dos bienes no se ha alterado. Este valor obtenido es
de 15,5 billones de libras para 1984. El índice para 1984 es 15,5/12,0 x 100 = 129,2. Por lo
tanto, el índice ha aumentado en un 29,2 % entre 1983 y 1984, que, en definitiva, es la me-
dia ponderada del aumento del 25 % de la producción de la industria A y del 50 % de la
industria B. En realidad, ningún bien concreto aumentó un 29,2 %, aunque este promedio
refleja el hecho de que ambas industrias aumentaran su producción y de que la A es cinco
veces más importante que la industria B. El procedimiento utilizado en el cuadro 3.7 puede
ampliarse para incluir cientos de bienes, lo que nos conduciría a la obtención de un índice
global de la producción física. Los encargados de la elaboración de los números índices de
producción física se enfrentan a muchos problemas prácticos, como, por ejemplo, qué
productos incluir, qué camino seguir para ajustar los cambios en la calidad de los productos
y qué valores utilizar como ponderaciones.