3.

VALIDACIN DE HIPTESIS

Los anteriores captulos han ido estableciendo el marco de la investigacin objeto de la presente tesis. De forma descriptiva y analtica hemos examinado la evolucin demogrfica, obteniendo conclusiones o deducciones que han de verse refrendadas ahora por los mtodos cuantitativos utilizados en econometra. No obstante, antes de pasar a la aplicacin de los mismos conviene destacar algunos aspectos contenidos en los captulos que anteceden. En el Apndice A se efectua una completa revisin de las teoras de la poblacin, de resultas de la cual se obtiene un panorama disperso en cuanto a los factores explicativos de la dinmica demogrfica. Una gran amplitud de causas se baraja por los diversos autores, generalmente en explicaciones monocausales, contradictorias unas con otras las ms de las veces y abarcando desde la estricta independencia de leyes generales a las peregrinas dependencias de caractersticas mentales cambiantes. Puede extraerse un ncleo de acuerdo relativo a la complejidad de causas que influyen en la dinmica poblacional, cuya actuacin conjunta y simultnea sera norma general, y al reconocimiento de factores econmicos como causas activas, no nicas, de la evolucin demogrfica. En definitiva, la revisin terica del Apndice A pone de manifiesto el dbil estado de la teora de la poblacin, con pocos principios asentados o aceptados de forma generalizada. Y el anlisis cuantitativo que queremos desarrollar en este captulo se resiente desde el principio si la base terica subyacente es dbil, porque, como fundamento metodolgico, hemos de recordar que, "la teora debe ser la gua para la construccin de cualquier modelo". Ante el amplio panorama de planteamientos diversos y la controversia suscitada por la mayora de las teoras de la poblacin, elegimos como objetivo la contrastacin de dos postulados muy presentes (a veces, slo de forma

109

tcita) en las obras demogrficas, histricas, sociolgicas o econmicas: que la poblacin no es una variable independiente y que ciertas variables econmicas influyen significativamente en la poblacin. El captulo primero inici el abordaje de esos postulados desde dos puntos de vista: analtico y emprico. En el anlisis de las funciones matemticas como leyes generales de la poblacin concluamos con la no adecuacin de dichas leyes para la descripcin de la dinmica demogrfica, minando por tanto la propia base de la independencia de la variable poblacin. Un segundo apartado, dedicado a la bsqueda de evidencias del carcter dependiente de la poblacin recoga todo un catlogo de expresiones de apoyo sobre la dependencia, formuladas por un variado plantel de autores de diversas disciplinas, completado con una revisin histrica de la poblacin espaola que permita explicar cada uno de los altibajos demogrficos en funcin de causas concretas, poniendo especial nfasis en las de tipo econmico. La importancia del captulo segundo radica en que esclarece el mecanismo de evolucin de una poblacin, en base a un modelo, que quiere ser realista, desarrollado en el programa informtico "Pirmide". Los estudios llevados a cabo con el modelo nos permitan conocer cmo la poblacin dosifica la respuesta ante determinado estmulo en funcin de su estructura por edades, cmo algunas respuestas se manifestaban con perfil oscilante, cmo graduales cambios no provocaban consecuencias relevantes inmediatas pero adquiran importancia cuantitativa a largo plazo y cmo la transicin demogrfica toma carta de naturaleza como evolucin general al desaparecer la mortalidad catastrfica. Con los conocimientos adquiridos en los anteriores captulos podemos disponernos a reforzar nuestras observaciones mediante el empleo de mtodos cuantitativos, en especial el anlisis de regresin. Pero antes de comenzar con el manejo de series de datos y tcnicas economtricas, conviene una reflexin sobre el planteamiento subyacente en este captulo.

110

3.1 PLANTEAMIENTOS PREVIOS 3.1.1 Naturaleza del problema Puesto que mantenemos que una poblacin no evoluciona en el tiempo de forma independiente a las circunstancias socio-econmicas a las que ha de enfrentarse, podemos elaborar un esquema basado en el mecanismo causaefecto para estudiar inicialmente su aplicacin al caso del desenvolvimiento de la poblacin. En forma general el esquema sera el siguiente:

Cambios sanitario-higinicos > o < ritmo de incremento Cambios econmicos Poblacin de la poblacin y a ms corto o largo plazo Cambios socio - culturales

Una serie de cambios, que hemos resumido en tres tipos generales, incidiran sobre la poblacin, seran las causas que, a modo de shocks, provocaran efectos en la variable objeto de estudio, que no es otra que el nivel de poblacin. Aunque los efectos pueden instrumentarse de diversa formas, tales como variacin en la mortalidad, en la fecundidad, emigracin, etc., se manifiestan en ltima instancia como aumento o disminucin del ritmo de incremento de poblacin, manifestacin que tendr lugar a corto, medio o largo plazo, circunstancia que forma parte del propio efecto asociado a las causas que actuaron. Aunque nuestra preocupacin posterior estar dirigida a las causas econmicas, ampliemos de momento la visin considerando todo el conjunto de cambios, causas o shocks que se recogen en el esquema. Pueden observarse las dobles flechas entre cada grupo de cambios, para poner de
111

manifiesto la interrelacin entre ellas: no slo actan de forma conjunta, si no que determinados cambios sanitario-higinicos tendrn repercusiones econmicas (a modo de ejemplo, una mejora sanitaria, al reducir las enfermedades, aumentar la productividad), lo mismo que ciertos cambios econmicos producirn modificaciones socio-culturales (a modo de ejemplo, un aumento de la renta per cpita inducir un mayor consumo e inclinacin por el ocio). Por tanto un cambio econmico, o sanitario, o socio-cultutal, no slo actuar sobre la poblacin por su impacto directo, sino que de forma indirecta, ampliando o reduciendo los impactos de los otros grupos, afectar tambin al nivel de poblacin. Esta circunstancia de interrelacin entre todo tipo de causas establece una inicial dificultad para un anlisis cuantitativo que requiere manejar datos individualizados, por cuanto es muy difcil separar el impacto directo debido a un tipo de causas del indirecto ocasionado a travs de los restantes tipos de cambios o causas. Como nuestra preocupacin es puramente econmica tendremos que englobar el resto de factores causales en el trmino estocstico de perturbacin, Vt, adulterando desde el principio un supuesto bsico en el modelo de regresin lineal como es el que seala que la perturbacin, Vt, y la(s) variable(s) explicativa(s) no estn correlacionadas. Esto nos obligar a utilizar, en lugar del supuesto fuerte de que las Xt y las Vt son independientes, un supuesto ms dbil de que los valores de las variables Xt y Vt no estn correlacionadas contemporneamente (es decir, en el mismo momento del tiempo). En este caso los estimadores MCO pueden estar sesgados pero son consistentes. Y este supuesto dbil se cumplir en nuestro planteamiento por cuanto los impactos indirectos a travs de otros grupos de cambios no coincidirn en el tiempo con los impactos directos de los cambios econmicos. En cualquier caso en la prctica economtrica suele prescindirse de esta vulneracin del supuesto de independencia entre las variables explicativas y las perturbaciones, invocando tan slo el carcter no estocstico de las variables explicativas, cuyos valores estn dados. La complejidad del problema aumenta al considerar la forma en que la poblacin responde ante esos cambios o causas econmicas. El impacto no
112

siempre tendr reflejo cuantitativo, porque puede ser absorbido o tener respuesta cualitativa (ante un aumento de renta el nivel de fecundidad puede permanecer impasible, o sufrir un descenso compensado por un proporcional descenso de la mortalidad, o provocar que unas familias adelanten nacimientos y otras, en igual medida, los retrasen) y en esos casos no tendremos percepcin numrica utilizable. Si la variable observable es el nivel de poblacin no podremos percibir los efectos consistentes en cambios en la estructura de edades, retrasos en la maternidad, variaciones en la fecundidad y en la mortalidad, sino cuando tengan posterior actuacin acelerando o frenando el ritmo de incremento de la poblacin. Debemos deducir, pues, la necesidad de incorporar retardos entre series de datos temporales relativos a causas econmicas y las correspondientes series de la variable dependiente poblacin. El problema a resolver es aclarar la influencia de ciertas variables econmicas sobre otras demogrficas, reconociendo la actuacin conjunta de mltiples causas, muchas de ellas no estrictamente econmicas. Este relativismo realista tambin reconoce la compensacin de efectos derivados de causas individuales, lo cual dificulta la investigacin, pensando, no obstante, que es posible establecer mecanismos causales segn el esquema conocido que recoge que los cambios en las variables exgenas (econmicas) se comportan como "shocks" que causan los cambios en la variable endgena (poblacin). Y todo ello con el gran obstculo ya citado de que el esquema estmulo-respuesta no es fcilmente observable porque la poblacin puede absorber el estmulo, retrasar la respuesta o sta puede producirse en trminos no cuantitativos, o bien las respuestas se equilibran (menor mortalidad y menor fecundidad). Conocida la magnitud del problema y considerando que los mtodos cuantitativos son procedimientos para "interrogar" a los datos disponibles para que den informacin, hay que pensar que en este caso necesitaremos ser muy persuasivos y constantes para obtener una declaracin medianamente satisfactoria, pero de forma "legal": el objetivo es probar las hiptesis expuestas a priori en lugar de imponerlas simplemente sobre los datos para los cuales ellas pueden no ser ciertas.
113

3.1.2 Caractersticas y fiabilidad de los datos En econometra existe conflicto entre la necesidad de disponer de amplias series de datos y la creciente falta de homogeneidad al aumentar el tamao de la serie (temporal). Los mtodos cuantitativos proporcionan resultados ms robustos si contamos con un nmero de observaciones muestrales por encima de 30, a veces ms, disponibilidad que puede ser posible en los estudios de corte transversal, pero algo ms difcil de lograr en el trabajo con series temporales. Y cuando, en casos excepcionales, podemos disponer de largas series de tiempo, aparece la indeseada compaa de falta de homogeneidad, tanto mayor cuanto ms atrs en el tiempo se remonte la serie de datos. La falta de homogeneidad se debe a diversas causas: variacin en las definiciones de magnitudes a cuantificar, en los criterios de estimacin u observacin, en los instrumentos analticos de clculo o ponderacin o en la propia extensin de muestreo o recuento del suceso bajo estudio. La evolucin de los mtodos estadsticos y las mejoras en las aplicaciones de los mismos han logrado en los ltimos aos ganancias de rigor que pueden llevar a que sean poco comparables las mediciones de la misma magnitud en momentos temporales distintos, en definitiva a que la serie "bruta" emitida por un mismo organismo presente falta de homogeneidad. Para compensar las variaciones en los mtodos o criterios de obtencin de datos se les suele someter, posteriormente, a una operacin de homogeneizacin o correccin, tratando de presentar una serie final de datos homogneos. No siempre es explcita esta operacin de homogeneizar la serie, ni se aplica en igual forma por distintos autores u organismos estadsticos, lo cual explica las variaciones encontradas en diferentes textos y publicaciones al referirse a series de la misma magnitud y perodo temporal. En todo caso la situacin slo adquiere gravedad cuando la serie abarca perodos histricos conflictivos (guerra civil espaola: la excepcionalidad y carencia de datos requieren de complementos de gran carga subjetiva) o muy alejados del

114

presente, cuando an no estaban afianzados ni extendidos los procedimientos estadsticos, en particular, en Espaa, antes de 1950. Poner de manifiesto estas dificultades no ha de impedirnos la utilizacin de algunas series que recorren todo el siglo XX espaol, si bien quedan apuntadas las reservas en cuanto al grado de homogeneidad que pueden presentar. Haremos, en todo caso, mencin de los procesos de homogeneizacin a que han sido sometidos los datos y reservaremos un anlisis ms exhaustivo para series ms modernas, libres del pecado de heterogeneidad. Como ocurre a todo cientfico social dedicado a una labor de anlisis de datos (obtenidos por otros investigadores, analistas u organismos estadsticos) hemos de utilizar lo que tenemos, porque en el reparto del trabajo unos se dedican a la medicin u obtencin de datos y los econmetras al manejo posterior de los mismos. Y aunque no est justificada la excusa de achacar a los "malos datos" la insuficiencia explicativa de nuestros modelos o resultados, ocurre, sencillamente, que a veces nuestra materia prima deja mucho que desear. Otro problema bastante comn en las aplicaciones prcticas

economtricas es el que aparece ligado a la utilizacin de series de tiempo, en particular econmicas: dada la normal inercia de los acontecimientos econmicos, que hace que se mantengan los efectos de las acciones pasadas sobre situaciones actuales y futuras, aparece la autocorrelacin o correlacin referida a los valores de una misma serie, incumplindose una de las hiptesis del modelo clsico de regresin lineal. Y el efecto principal es la invalidez del mtodo de estimacin por mnimos cuadrados ordinarios (MCO) por cuanto los estimadores obtenidos, si bien siguen disfrutando de las propiedades de linealidad, insesgadez y consistencia, ya no son eficientes, siendo de dudosa aplicacin los test y contrastes estadsticos. Merece la pena una mayor insistencia en la posibilidad de que las perturbaciones de sucesivos perodos estn correlacionadas porque nuestro posterior anlisis cuantitativo utilizar principalmente series temporales. Para explicar la inercia de los acontecimientos econmicos podemos pensar en la
115

aparicin de una nueva tecnologa en el momento t, que nos produce un efecto no esperado en dicho momento, pero, adems, dicho efecto no desaparecer en t+1, lo cual implica autocorrelacin o correlacin entre las perturbaciones de ambos momentos. Similares consecuencias aparecen asociadas a la presencia de tendencias: la incorporacin laboral de la mujer se manifiesta siguiendo un patrn definido, con valores relacionados entre momentos de tiempo consecutivos. Las series de tiempo, material bsico de nuestro anlisis, an arrastran otra complicacin si, como sucede en la prctica, no son estacionarias. La mayor parte del trabajo emprico basado en datos de series temporales supone que stas son estacionarias, por lo que un primer presupuesto al manejar series temporales es el de revisar su estacionariedad. Precisamente para corregir la no estacionariedad se somete la serie original a mtodos de alisado, transformaciones que tienden a suavizar los datos, clculo de diferencias, etc., procesos que pueden crear esquemas de autocorrelacin que se englobarn en la perturbacin aleatoria. De una u otra manera las series econmicas temporales llevan aparejada la autocorrelacin, como tendremos ocasin de comprobar a travs de diversos contrastes, obligndonos a la utilizacin del mtodo de mnimos cuadrados generalizados (MCG) para la estimacin de los parmetros del modelo. Puesta de manifiesto la presencia o "compaa" de autocorrelacin en las series econmicas temporales, ocurre otro tanto con las series de poblacin? Fundamentalmente, s, porque lo que hemos denominado normal inercia de los acontecimientos econmicos tiene su plasmacin en el campo demogrfico como tuvimos ocasin de observar en el captulo cuarto, al recoger las consecuencias oscilantes o cclicas, que se extendan en el tiempo como respuesta a un impacto en un nico momento t. Y adems, tenemos el aadido problema de la interpolacin. Una fuente de autocorrelacin puede ser la interpolacin: sabemos que los Censos de Poblacin se elaboran cada diez aos, ahora bien, si se necesita obtener datos para algn ao comprendido en el perodo intercensal 1950-1960, por ejemplo, la prctica comn consiste en la interpolacin con base en algunos supuestos ad hoc. Esta tcnica de "manejo"
116

podra imponer sobre la informacin un patrn sistemtico que pudiera no estar presente en la informacin original. Dada la necesidad de contar con series anuales de poblacin, pese a contar slo con datos decenales de directa extraccin, se obtienen los valores de aos intercensales por interpolacin. As han sido elaboradas las series de poblacin que manejaremos, de forma que tendremos que convivir con la autocorrelacin como pesado personaje no invitado, recurriendo, cuando sea necesario, a la estimacin por otros mtodos (MCG). Nuestra serie bsica referida a la poblacin abarcar desde 1900 a 1996, tomada de la obra de Angus Maddison "La economa mundial 18201992" editada por Perspectivas OCDE, que recoge los datos decenales y las interpolaciones llevadas a cabo por la OCDE. Los ltimos dos aos de la serie han sido aadidos de datos tomados del INE. Del total de 97 datos de la serie, slo diez seran datos primarios, los correspondientes a los censos decenales, a los que podemos aadir las tres observaciones relativas a los padrones de 1975, 1986 y 1996. El resto, un total de 84 datos, no son de directa observacin, sino de deduccin a partir de los datos primarios. Podemos pensar que, al menos esos datos primarios referidos a los censos, son totalmente fiables? Hay que responder que los datos no son igualmente fiables en todas las pocas. Amando de Miguel describe en su obra "Espaa cclica", pg. 18, un ndice de bondad relativa al censo en cuestin que "consiste en poner en relacin las personas censadas menores de un ao con el nmero de nacidos en el ao menos los fallecidos de menos de un ao". Los valores que as obtiene son: Ao 1900 1910 1920 1930 1940 ndice de bondad 77 81 85 87 78 Ao 1950 1960 1970 1980 ndice de bondad 86 93 101 107

117

Podemos apreciar que cuanto ms atrs en el tiempo los censos infraestiman notoriamente ms el nmero de nios pequeos, de donde puede deducirse que de las posibles desinformaciones de los censos, una muy caracterstica debe ser la de no dar cuenta de los nios pequeos. En los ltimos censos aumenta decididamente la "bondad", de forma que a partir de 1960 puede admitirse que son ya razonablemente fiables. La sobre-bondad del censo de 1981 resulta inexplicable, debiendo atribuirse en mayor medida a un error del numerador porque se consideran ms fiables las inscripciones en el Registro Civil (nacidos y fallecidos del denominador) que las anotaciones de las hojas censales. El censo de 1940 presenta un retroceso en la creciente fiabilidad de los censos, tendencia interrumpida con la Guerra Civil. Est generalmente aceptada la mayor relatividad de las cifras de este censo concreto, por las mayores dificultades de elaboracin tras el perodo blico. Encontramos a este respecto en Historia de Espaa de editorial Planeta, tomo XII, pgina 78: " El censo de poblacin de 1940, netamente superior al de 1930 desborda ampliamente la realidad: la inclusin de personas fallecidas o exiliadas, las dobles inscripciones -en la mayora de los casos debidas a deficiencias tcnicas- incrementaron en varios cientos de miles la estadstica oficial". Como serie econmica bsica manejaremos la serie del PIB desde 1900 a 1996, extrada asimismo de la obra de Angus Maddison "La economa mundial 1820-1992", editada por Perspectivas OCDE. Se trata de una serie temporal, de datos anuales, valorados en dlares de 1990 y segn el enfoque Geary-Khamis para permitir comparaciones multilaterales (est basado en los conceptos gemelos de paridad del poder adquisitivo y precios promedios internacionales de mercancas). El propio autor, Angus Maddison, refleja que la primera parte de la serie, proporcionada por L. Prado de la Escosura, se obtuvo como una estimacin gruesa de la variacin del ingreso real, mientras que a partir de 1950 se hizo un ajuste fino de los saltos en el nivel del PIB entre segmentos sucesivos de las cuentas nacionales oficiales.

118

La utilizacin de esta serie concreta responde al respaldo que le confiere la aceptacin de un organismo internacional, como es la OCDE, para comparaciones internacionales, habiendo sido deflactada de acuerdo con mtodos de general aplicacin en dicho organismo. Nuevamente hay que resaltar que el perodo correspondiente a la Guerra Civil, e incluso el de inmediata posguerra, es slo relativamente fiable, y ello por las propias circunstancias blicas y la inexistencia de una autntica contabilidad nacional. No faltan autores que prescinden, en aras del rigor, de las mediciones referidas a estos aos, interrumpiendo la serie entre 1935 y 1942, pero dado nuestro objetivo de anlisis cuantitativo necesitamos la continuidad de la serie, siquiera para un estudio general, aceptando, pues, la serie propuesta por Angus Maddison y que sirve de referencia para la OCDE. El resto de series temporales que emplearemos, referidas a variables econmicas y demogrficas, arrancan en 1964 y no presentan problemas de fiabilidad (aunque subsiste la cuestin de la autocorrelacin). Se emplearn para un estudio ms afinado y elaboracin de modelos de regresin entre variables demogrficas y econmicas, con el objetivo de validar la hiptesis nmero 2, que afirma que "determinadas variables econmicas influyen significativamente en la dinmica demogrfica". Son series ms cortas en el tiempo, pero de aceptada validez, obtenidas de forma homognea por el mismo organismo, INE, salvo cuando se seale otra procedencia. El sealamiento efectuado en este apartado respecto a las limitaciones de los datos disponibles en cuanto a problemas de heterogeneidad, presencia de autocorrelacin, no estacionariedad y falta de fiabilidad, quiere dejar claro desde el principio que los resultados que puedan obtenerse no dejarn de ser modestos y cuestionables, pese a la correcta aplicacin de mtodos cuantitativos, objetivo este ltimo de explcita persecucin por s mismo como corresponde al carcter cientfico de este estudio. Tampoco conviene desdear algunos tmidos pasos, por insignificantes que estos sean, si colaboran a ilustrar algunos aspectos y propician el avance cientfico.

119

3.2 VALIDANDO LA HIPOTESIS N 1 El punto de arranque del presente trabajo era la frase final del libro de J. Nadal "La poblacin espaola. Siglos XVI a XX", que concretbamos como: HIPOTESIS N 1: La poblacin espaola no es una variable independiente y que hemos tratado de establecer durante todo el primer captulo en un anlisis terico y descriptivo, exponiendo argumentos que corroboraban la no independencia de la poblacin, tanto por resaltar la inadecuacin de leyes generales (cuya validez asentara la independencia), como por una recopilacin de observaciones que mostraban la dependencia de la poblacin en relacin a otras variables socio-econmicas. Apoybamos all la no independencia con una coleccin de opiniones de reputados autores y recogamos las evidencias de la propia historia espaola en una revisin de la evolucin de la poblacin desde 1860 a nuestros das, en la cual podamos "explicar" cada secuencia demogrfica por la actuacin de alguna(s) causa(s) de orden econmico, social, poltico o catastrfico. Todo lo all expuesto nos llevaba a la evidencia contenida en la hiptesis n 1 : La poblacin no es una variable independiente; evidencia que trataremos de complementar en este apartado con el uso de mtodos cuantitativos, siguiendo un bsico criterio economtrico que afirma que la teora debe ser la gua para la construccin de modelos. Hemos llegado a conclusiones tericas que echaban por tierra la pretendida independencia de la poblacin y el trabajo subsiguiente ha de ser corroborar mediante anlisis cuantitativo esas conclusiones tericas. Dado el carcter general de la negacin contenida en la hiptesis n 1, su contrastacin requiere de series que abarquen un largo perodo de tiempo, para no incurrir en el estudio de cortos perodos para los cuales, de forma extraordinaria, pudiera ser vlida la negacin por las especiales circunstancias de unos aos determinados. Manejaremos, pues, la serie anual de la poblacin espaola 1900-1996 y la serie anual del PIB correspondiente a esos mismos aos, en dlares constantes de 1990. A los inconvenientes reconocidos en el anterior apartado hay que aadir la falta de estabilidad estructural (cuando
120

menos, se acepta un cambio estructural en torno a 1960) de dichas series, pero con todas las limitaciones conocidas es preferible extendernos en el tiempo si deseamos un anlisis general. A continuacin se muestran ambas series:
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 Poblacin 18.566 18.659 18.788 18.919 19.050 19.133 19.316 19.450 19.585 19.721 19.858 19.994 20.128 20.263 20.398 20.535 20.673 20.811 20.950 21.091 21.232 21.411 21.628 21.847 22.069 22.292 22.518 22.747 22.977 23.210 23.445 23.675 23.897 24.122 24.349 24.579 24.810 25.043 25.279 25.517 25.757 25.979 26.182 26.387 26.594 26.802 27.019 27.223 27.437 PIB 37.873 40.112 38.513 39.427 38.604 38.330 40.432 40.843 41.894 42.899 41.620 44.452 43.812 45.686 43.950 44.543 46.234 45.457 45.411 46.097 49.021 50.848 52.538 53.955 56.330 59.894 59.848 64.736 64.508 68.391 65.696 64.234 66.244 65.011 68.117 68.620 54.868 51.168 51.122 54.274 58.934 58.934 62.269 63.868 66.701 61.995 65.422 66.335 65.011 Ao 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 Poblacin 27651 27.868 28.086 28.332 28.571 28.812 29.056 29.355 29.657 29.962 30.271 30.583 30.904 31.158 31.430 31.741 32.085 32.453 32.850 33.240 33.566 33.876 34.190 34.498 34.810 35.147 35.515 35.937 36.367 36.778 37.108 37.386 37.751 37.961 38.180 38.342 38.505 38.669 38.716 38.809 38.888 38.959 39.025 39.117 39.193 39.308 39.442 39.643 PIB 65.239 66.792 73.874 79.676 80.589 85.204 89.635 96.077 100.188 104.666 102.701 105.123 117.549 128.514 139.752 148.387 162.823 179.727 191.468 208.144 231.535 246.976 259.814 281.560 304.220 321.809 325.007 335.698 346.571 352.190 352.099 356.622 355.754 360.094 366.581 373.160 381.794 394.312 415.556 436.937 456.993 474.125 484.313 488.470 483.582 491.805 505.576 517.204

Fuente: Angus Maddison. La economa mundial 1820-1992

121

3.2.1 La no independencia estadstica Con las series anteriormente presentadas, representantes de la variable poblacin y la variable economa, queremos demostrar la asociacin entre ambas de forma tal que quede descartada la independencia. Para ello nos basamos en una prctica definicin de independencia expuesta por Gujarati en su obra "Econometra (1997), pgina 100: Para dos variables normalmente distribuidas, una covarianza o correlacin cero significa independencia entre las dos variables Trataremos de demostrar el incumplimiento de la condicin de correlacin cero entre nuestras dos series y, por tanto, la falta de independencia entre estas dos variables (poblacin y PIB). La utilizacin de la serie del PIB como estado o marcha de la economa cuenta con todos los reparos que suelen hacerse a este respecto: es un indicador simple, burdo y limitado, pero pese a todo, no tenemos uno mejor, razn de peso para continuar usndolo, soportando resignadamente sus defectos. Otra cosa es el manejo analtico de las series. La representacin grfica que ofrecemos a continuacin muestra en ambas lneas la presencia de tendencia creciente, una propensin hacia arriba prcticamente constante:

Poblacin espaola 1900-1996

40.000

30.000

20.000

10.000 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

122

Evolucin del PIB 1900-1996

600.000

450.000

300.000

150.000

0 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

Nuestras series se mueven en la misma direccin, existiendo entre ambas una propensin creciente, circunstancia frecuente en informacin relacionada con series de tiempo econmicas, y que ha de alertarnos para evitar el problema de correlacin espuria: cuando dos series tienden a moverse en la misma direccin, reflejando una propensin creciente o decreciente, la regresin efectuada entre ellas producir un R elevado, valor que puede no reflejar la verdadera asociacin entre ellas sino, simplemente, la inclinacin comn presente en las dos series. En nuestro caso el diagnstico de correlacin espuria parece de apropiada aplicacin, invalidando el elevado valor de R que obtenemos en la regresin entre las dos series originales: R = 0,838. La existencia de correlacin espuria tiene que ver con el tema mencionado en el apartado anterior, cuando hacamos referencia a que el anlisis emprico basado en informacin de series de tiempo supone implcitamente que la serie de tiempo bajo anlisis es estacionaria. La eliminacin de tendencias es uno de los procedimientos utilizado para convertir una serie de tiempo en estacionaria, y por lo tanto, para evitar el problema de la correlacin espuria. Seguiremos el mtodo consistente en determinar la tendencia de cada una de nuestras series

123

mediante regresiones cuyos residuos sern las series libres de tendencia, estacionarias y alejadas del peligro de correlacin espuria entre ellas. Otra cuestin surge al considerar qu tipo de tendencia se ajustar mejor a nuestros datos. Desechando la exponencial y la logstica por las propias razones aducidas en el captulo segundo para mostrar la no adecuacin de dichas funciones, nos quedara elegir entre las polinmicas desde la de primer grado (lineal), segundo grado (cuadrtica), tercer grado (cbica), etc. Entre ellas la funcin ms apropiada para el ajuste analtico de series por el mtodo de los mnimos cuadrados, como pretendemos, debe elegirse sobre la base de ciertos supuestos lgicos relativos a las leyes del proceso de crecimiento, aunque tambin existen mtodos estadsticos que pueden ayudarnos a determinar la forma de la lnea de tendencia. A continuacin se describe el mtodo expuesto por el econmetra polaco Oskar Lange en su obra "Introduccin a la econometra" (1978), pg. 41 y 42: Si, por ejemplo, queremos verificar si en el caso dado una lnea recta es idnea para ajustar a la serie, primero examinaremos los incrementos de los trminos de la serie dada (1 diferencia). Si dichos incrementos son ms o menos iguales podemos tomar una lnea recta para el ajuste. Si, sin embargo, los primeros incrementos de la serie no son ms o menos los mismos estudiaremos los segundos incrementos (2 diferencia). En caso de constancia aproximada de los mismos, elegiremos una parbola de 2 grado como lnea de tendencia, ya que esa funcin cumple la propiedad de que los primeros incrementos no son iguales pero son constantes los segundos incrementos. De igual forma se relacionan los terceros incrementos con el polinomio de tercer grado y as sucesivamente. Aplicando este mtodo a nuestras series encontramos ms apropiadas las tendencias cuadrticas o cbicas en ambos casos, al ser las que muestran mayor constancia de los incrementos asociados a su grado. Nos decidimos por la forma cbica por estar su media ms centrada y ajustarse mejor a procesos de crecimiento como los de poblacin y produccin econmica que conocen retrocesos en algunos momentos a lo largo del perodo.
124

Aceptada la tendencia como funcin cbica, en ambas series, procedemos a limpiar las series originales realizando las regresiones siguentes: Pobla = 0 + 1t + 2t + 3t + V PIB = 0 + 1t + 2t + 3t + V Los residuos de ambas regresiones constituyen nuestras series limpias de tendencias, que en adelante designaremos por Pobla(l) y PIB(l). En la representacin grfica de las mismas podemos contemplar la persistencia de patrones bien definidos (ciclos), confirmando los supuestos de la metodologa de descomposicin de los compuestos de una serie, aspecto que, siendo importante, no es objeto del presente estudio y que no afecta a los resultados generales que queremos alcanzar en este apartado.
Serie pobla libre de tendencia
1000

500

-500

-1000 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

Serie del PIB libre de tendencia

60000

40000

20000

-20000

-40000

-60000 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

125

Una vez obtenidas nuestras dos series libres de tendencia, pobla(l) y PIB(l), volvemos a fijarnos en nuestro objetivo: demostrar la no independencia de ambas series basndonos en que cada una presenta una distribucin normal y que la correlacin conjunta es significativamente distinta de cero, es decir, utilizando el criterio de independencia de Gujarati, contrastar que cumplen individualmente la condicin de normalidad, incumpliendo la premisa de correlacin cero. Como prueba prctica de la normalidad de una serie pueden calcularse su asimetra y kurtosis, las cuales deben medir cero y tres, respectivamente, para asemejarse a la distribucin normal. Cuanto mayores discrepancias existan respecto a esos valores, menor ser la normalidad presente en la serie. Algo ms afinado es el test de normalidad de Jarque-Bera que contrasta la hiptesis nula H0: "la distribucin es normal" mediante el estadstico JB que (asintticamente) sigue una distribucin chi-cuadrado con dos grados de libertad. Dado que las tablas correspondientes muestran el valor 5,99 para un nivel de confianza del 95%, puede concluirse que para valores de JB inferiores a 6 no se rechaza el supuesto de normalidad. Aplicando estas pruebas a nuestras series obtenemos: Serie: Pobla(l) Simetra = 0,149 Serie: PIB(l) Poblacin 1900-1996 libre de tendencia Kurtosis = 2,942 Contraste JB = 0,374

PIB 1900-1996 libre de tendencia Kurtosis = 2,972 Contraste JB = 3,149

Simetra = 0,441

Los valores de asimetra y kurtosis ya permiten deducir una gran afinidad con la distribucin normal por su cercana a cero y tres, respectivamente, en las dos series objeto de estudio. Para mayor conformidad atendemos al contraste de normalidad de Jarque-Bera cuyos valores, 0,374 y 3,149 permiten aceptar la hiptesis nula de normalidad con un grado de confianza superior al 99% en ambos casos. En definitiva, podemos aceptar que nuestras dos series pueden seguir la distribucin normal.

126

El siguiente paso consiste en el clculo de la covarianza o de la correlacin entre las dos series para confirmar su valor distinto de cero. Mediante la conocida frmula del coeficiente de correlacin obtenemos: r = 0,715 r = Sxy / SxSy valor que nos permite alegar que no existe

independencia entre ambas series por su grado de alejamiento del valor nulo (recordemos que el valor de r puede oscilar entre -1 y +1). En consecuencia puede aceptarse la validez de nuestra hiptesis n 1 que estableca la no independencia de la variable poblacin.

3.2.2 Utilizando el contraste de causalidad Un punto de vista alternativo puede lograrse mediante la utilizacin de pruebas de causalidad entre nuestras dos series bsicas, no sin antes advertir sobre la intangibilidad de la causalidad para los mtodos del anlisis cuantitativo. Como indica Gujarati en su obra "Econometra" (1997), pg. 20: "A pesar de que el anlisis de la regresin tiene que ver con la dependencia de una variable de otras variables, esto no implica causalidad necesariamente". Continua citando la obra de Kendall y Stuart "The advenced Theory of Statictis" (1961), pg 279: "Una relacin estadstica, sin importar qu tan fuerte y sugestiva sea, nunca podr establecer una conexin causal; nuestras ideas de causalidad deben venir de estadsticas externas y, en ltimo trmino, de una u otra teora". La conclusin de Gujarati: "una relacin estadstica no puede por s misma implicar en forma lgica una causalidad. Para aducir causalidad se debe acudir a consideraciones a priori o tericas", coincide con lo expuesto por A. Alcaide y N. Alvarez en "Econometra. Modelos deterministas y estocsticos" (1992), pg. 237: "en rigor la causalidad no es contrastable", aclarando que, no se puede, sin ms, identificar las variables dependiente e independiente con los conceptos filosficos de efecto y causa, respectivamente; que la clasificacin de variables de acuerdo a ese esquema forma parte de las hiptesis mantenidas o aceptadas.

127

Todas estas advertencias quieren poner en su justo trmino la prueba o contraste de causalidad de Granger que aplicaremos a continuacin con nuestras dos series de poblacin y PIB libres de tendencia. En todos los manuales economtricos se califica al contraste de Granger como de "causalidad" en cuanto que, estadsticamente, determinara la direccin de la causalidad entre dos variables entre las que hay una relacin temporal. Algn econmetra (Edward Leamer) prefiere el trmino precedencia sobre el de causalidad, precisin que nos parece acertada, aunque siguiendo el uso ms extendido seguiremos describiendo la prueba de Granger como "test de causalidad". Analticamente, pues, el objeto del contraste de Granger es tratar de determinar el sentido de la causacin en el tiempo entre dos variables X e Y, para lo cual se estiman los coeficientes de dos ecuaciones de regresin: Yt = aXt-1 + bYt-j + V1 Xt = cYt-1 + dXt-j + V2 Donde j = 1,2,...n representa el nmero de rezagos o retardos de la propia variable endgena que deseamos incluir en el modelo. El resultado del contraste permitir establecer la causalidad de Y hacia X si el, o los coeficientes a son significativos (estadsticamente diferentes de cero) sin serlo los coeficientes b. Por el contrario existir causalidad de X hacia Y si son significativos los coeficientes c sin serlo los d, y hablaremos de retroalimentacin o causalidad bilateral cuando los conjuntos de coeficientes de Y y X son estadsticamente significativos, diferentes de cero, en ambas regresiones. Finalmente, se sugiere independencia cuando los conjuntos de coeficientes de Y y X no son estadsticamente significativos en ambas regresiones. Aplicando a nuestras dos series, pobla(l) y PIB(l) la prueba o contraste de Granger, que consiste en el clculo de un estadstico que sigue la distribucin F de Snedecor con m y n-k grados de libertad (m es el nmero de rezagos, n el nmero de trminos de la serie y k el nmero de parmetros estimados), obtenemos los siguientes resultados:

128

N de rezagos

Hiptesis nula Pobla(l) no es causada por PIB(l)

F 18,777 1,328 4,478 2,423 6,797 1,925 5,255 2,241 4,881 2,755

P 0,0000 0,2521 0,0140 0,0944 0,0004 0,1314 0,0008 0,0714 0,0006 0,0238

1 PIB(l) 2 PIB(l) 3 PIB(l) 4 PIB(l) 5 PIB(l) " " " por Pobla(l) " " " por Pobla(l) Pobla(l) no es causada por PIB(l) " " " por Pobla(l) Pobla(l) no es causada por PIB(l) " " " por Pobla(l) Pobla(l) no es causada por PIB(l) " " " por Pobla(l) Pobla(l) no es causada por PIB(l)

En la columna encabezada

se muestran los valores de dicho

estadstico obtenidos para cada caso, debindose rechazar la hiptesis nula si el valor calculado excede al valor F crtico al nivel seleccionado de significancia, generalmente para un nivel de confianza del 95% y en anlisis ms estrictos, para un nivel de confianza del 99%. Podemos deducir, a la vista del cuadro, que puede rechazarse la hiptesis nula H0: "Pobla(l) no es causada por PIB(l)" en todos los casos y a un nivel de significancia del 1%, salvo para el caso de dos rezagos en que s se rechazara a un nivel de confianza del 95%, y que en ningn caso podemos rechazar la hiptesis nula H0: "PIB(l) no es causada por Pobla(l)" ya que los valores correspondientes de F no exceden los valores crticos de la distribucin F para un nivel de confianza del 95%. La columna encabezada "p" (p value o probabilidad) muestra, precisamente, el grado de probabilidad de cumplimiento de la hiptesis nula, que no debiera rechazarse si tal valor p es superior a 0,05 (nivel de confianza del 95%) o a 0,01 (nivel de confianza del 99%). A tenor de los datos y de su correspondiente interpretacin podemos concluir que existe causalidad de PIB(l) hacia Pobla(l), pero no existe
129

causalidad de Pobla(l) hacia PIB(l), de forma que son los cambios en la variable PIB(l) los que actan como causa y provocan efectos en la variable Pobla(l) que, sera, por ello mismo, la variable dependiente. Esta relacin es especialmente manifiesta si consideramos un solo rezago o retardo, obteniendo valores de F que no dejan lugar a dudas: F = 18,777 permite rechazar la no causalidad de PIB(l) y variable Pobla(l). Mediante el contraste de Granger hemos podido detectar F=1,328 no permite rechazar la no causalidad de la

estadsticamente la direccin de la causalidad entre nuestras dos series bsicas libres de tendencia, pero su utilidad, en relacin con la validacin de nuestra hiptesis n 1, puede continuar an si consideramos su validez para desechar la independencia de dos series. A este respecto la prueba de Granger (Gujarati, pg. 607) sugiere independencia cuando los conjuntos de coeficientes no son estadsticamente significativos en ambas regresiones, es decir, cuando no puede rechazarse ninguna de las dos hiptesis nulas analizadas para cada rezago. En nuestro caso, y a un alto nivel de confianza, pudimos rechazar la hiptesis nula de no causalidad del PIB(l) destruyendo una de las condiciones para la independencia entre las series Pobla(l) y PIB(l), circunstancia que nos permite confirmar mediante el contraste de Granger nuestras estimaciones tericas contenidas en la hiptesis n 1: "La poblacin no es una variable independiente". Es dependiente, al menos de la variable PIB, que acta como causa y provoca cambios (efectos) en ella. Las limitaciones del anlisis, la generalidad de las series, o la poca aplicabilidad de los mtodos no restan valor al enunciado final, que no es otro que la validacin de la hiptesis n 1, y ello porque hemos de considerar que aunque slo estemos vislumbrando o percibiendo en la penumbra, cuanto vislumbramos apunta en la direccin enunciada: la poblacin no es una variable independiente. Cientficamente, mientras analticamente no se perciba lo contrario, estamos legitimados para aceptar la dependencia (por no independencia) de la variable poblacin.

130

3.2.3

Generalizando la no independencia Economa - Poblacin

Aunque el propsito de la Tesis abarca el panorama espaol del siglo XX, es interesante, una vez establecida la no independencia en el mbito espaol entre las variables poblacin y economa (marcha de la economa simbolizada por el PIB), ampliar el estudio a diversos pases para constatar si esta relacin no independiente est ampliamente extendida o incluso generalizada, de forma que la realidad espaola no vendra a ser una excepcin sino un elemento ms de la regularidad observable entre la evolucin de la poblacin de un pas y la marcha de su economa, entre las cuales existira asociacin o correlacin significativa que nos llevara a afirmar que ambas series de valores no son independientes. Para extender, pues, el estudio de no independencia estadstica, a otros pases, hemos llevado a cabo la recopilacin de datos sobre poblacin y PIB de 5 pases occidentales y del entorno de Espaa: Francia, Blgica, Alemania, Italia y Reino Unido. Para garantizar la homogeneidad con los resultados obtenidos en el caso espaol, la fuente de datos es la misma y aplicamos la misma metodologa all empleada: Contraste de independencia de Gujarati, para lo cual determinamos la tendencia por el mtodo de Oskar Lange, obtenemos los residuos que sern nuestras series libres de tendencia, revisamos su normalidad mediante mediciones de asimetra, curtosis y contraste de Jarque-Bera, y calculamos el coeficiente de correlacin de Pearson para establecer, en caso de correlacin significativa, la no independencia de las variables. La eleccin de los pases responde, por una parte, a la proximidad geogrfica, histrica y cultural de Espaa. Todos ellos responderan a la categora de pases occidentales y capitalistas avanzados. Por otra, se debe tambin a la disponibilidad de datos, de mayor fiabilidad y homogeneidad, que abarcan todo el siglo XX, en concreto desde 1900 a 1994, y de la misma fuente que en el caso espaol, la obra La economa mundial 1820-1992 de Angus Maddison y editado por la OCDE. No se trata de realizar un exhaustivo estudio mundial, pero este abanico de cinco pases europeos puede reforzar la
131

conclusin obtenida para el caso espaol, o en su caso, sealar la singularidad espaola si slo fuera significativa la no independencia entre economa y poblacin para los valores de las variables espaolas. Para cada pas analizado mostraremos los datos, grficas y resultados obtenidos, resaltando las conclusiones que cabe deducir de los mismos. En el caso de las series del PIB pertenecientes a cada uno de los pases, se trata de series temporales de datos anuales, valorados en dlares de 1990 y segn el enfoque Geary-Khamis para permitir comparaciones multilaterales (est basado en los conceptos gemelos de paridad del poder adquisitivo y precios promedios internacionales de mercancas). La homogeneidad de las series, obtenidas por el mismo enfoque en todos los pases, no ofrece dudas, siendo la Paridad del Poder Adquisitivo (PPA) de Geary-Khamis generalmente la ms cercana a la de Paasche, la obtenida por el mtodo de Fisher un poco ms elevada y la de Laspeyres la ms alta de todas. En trminos generales la dispersin entre PPAs alternativas es ms amplia mientras ms bajo es el ingreso per cpita del pas en cuestin, por lo que se obtienen resultados ms fiables en comparaciones de pases, si stos poseen cierta similitud en su dimensin econmica. Las series de poblacin en los cinco pases analizados recogen los datos decenales de censos nacionales y las interpolaciones llevadas a cabo por la OCDE, de forma que se presentan en series anuales. Dado que en algunos pases de los analizados se han efectuado durante el siglo XX temporales cambios de fronteras, el autor de los datos manejados, Angus Maddison, ha llevado a cabo los ajustes necesarios para que las cifras respondan a las fronteras de 1990 y la serie abarque poblaciones de los territorios actuales. Para mayor detalle vase la obra La economa mundial 1820-1990 del ya citado Angus Maddison. Recordando las limitaciones de los datos anuales de poblacin que recogamos para el caso espaol, aade Angus Maddison que las cifras a frontera constante son un tanto anmalas, aunque es la mejor opcin disponible si queremos ser congruentes con las series del PIB. En nuestro caso es adems, totalmente necesario que ambas series de poblacin y PIB estn referidas a fronteras idnticas.
132

A) Estudio de la independencia Economa-Poblacin en FRANCIA Recogemos a continuacin los datos correspondientes a Francia y para los aos 1900-1994, poblacin en miles de habitantes y PIB en miles de millones de dlares constantes de 1990.
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 Poblacin 40598 40640 40713 40786 40859 40890 40942 40942 41046 41109 41224 41307 41359 41463 41476 40481 39884 39288 38542 38700 39000 39240 39420 39880 40310 40610 40870 40940 41050 41230 41610 41860 41860 41890 41950 41940 41910 41930 41960 41900 41000 39600 39400 39000 38900 39700 40290 40680 PIB 115645 113784 111924 114357 115216 117219 119366 124519 123803 128956 121084 132963 143984 143125 132963 130244 136827 115931 91457 107773 124662 119509 140978 148277 166884 167599 172036 168458 180194 192360 186778 175614 164164 175900 174183 169746 176187 186349 185633 198944 164164 129814 116361 110492 93317 101189 153859 166740 Ao 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 Poblacin 41110 41480 41836 42156 42460 42752 43057 43428 43843 44311 44789 45240 45684 46163 46998 47816 48310 48758 49164 49548 49915 50315 50772 51251 51701 52118 52460 52699 52909 53145 53376 53606 53880 54182 54480 54729 54947 55170 55394 55630 55884 56423 56735 57050 57372 57696 58022 PIB 178906 203237 218409 231862 238017 244887 256766 271508 285248 302423 310008 318882 341353 360102 384147 404757 431092 451702 475318 497502 518685 555038 586812 614721 639768 674404 692724 690434 720920 746396 771586 796061 807081 816814 835563 842147 854599 870199 891095 910417 949204 984985 1008601 1012895 1030356 1020051 1042522

Fuente: Angus Maddison. La economa mundial 1820-1992

133

Las representaciones grficas de los datos ya muestran una visible asociacin, en particular la coincidencia de las brechas debidas a las contiendas mundiales, que siguen un mismo patrn en la serie de poblacin y en la del PIB. A continuacin se muestran ambos grficos:

Evolucin de la Poblacin en Francia 1900-1994

60 55 50 45 40 35 30 25 20 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Millares

PIB en Francia 1900-1994

Millares
1200 1000 800 600 400 200 0 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Es asimismo apreciable en ambos grficos la tendencia creciente a partir de 1945, con mayor pendiente en el caso del PIB. Para depurar la serie y convertirla en estacionaria, tal como explicbamos en el caso espaol, estimamos en primer lugar la tendencia por el mtodo de OsKar Lange, resultando ser la forma cbica la que presenta mejor ajuste. Efectuando las regresiones
Pobla = 0 + 1t + 2t + 3t + V PIB = 0 + 1t + 2t + 3t + V

134

Obtenemos como residuos las que sern las series libres de tendencia, cuyas representaciones grficas permiten apreciar la existencia de patrones definidos (ciclos), lo cual no afecta a los resultados que pretendemos alcanzar.

Francia: Serie Pobla libre de tendencia

2000 1000 0 -1000 -2000 -3000 -4000
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Francia: Serie PIB libre de tendencia

Millares
80 40 0 -40 -80 -120 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Calculamos para ambas series los estadsticos coeficiente de asimetra y Kurtosis, as como el valor correspondiente al contraste de Jarque-Bera, obteniendo los valores siguientes
Serie: Pobla(l) Simetra = -0,46 Serie: PIB(l) Simetra = 0,334 Poblacin 1900-1994 libre de tendencia Kurtosis = 3,02 Contraste JB = 3,35

PIB 1900-1994 libre de tendencia Kurtosis = 2,63 Contraste JB = 2,30

135

En ambos casos los valores de asimetra y Kurtosis, por su proximidad a 0 y 3, respectivamente, permiten aceptar la afinidad con la distribucin normal. En cuanto al contraste de Jarque Bera, ms afinado, que contrasta la hiptesis nula Ho: La distribucin es normal mediante el estadstico JB que, asintticamente, sigue una distribucin chi-cuadrado con dos grados de libertad, no puede rechazarse, para un nivel de confianza del 95 %, para valores inferiores a 6 (las tablas muestran el valor 5,99). Por tanto, los valores obtenidos en las series libres de tendencia, correspondientes a la poblacin y PIB de Francia, 3,35 y 2,30 respectivamente, no nos permiten rechazar la hiptesis nula de que las dos series pueden seguir la distribucin normal. El siguiente paso consiste en el clculo de la covarianza o de la correlacin entre las dos series para confirmar su valor distinto de cero. Mediante la conocida frmula del coeficiente de correlacin r = Sxy / SxSy obtenemos: r = 0,822 valor que nos permite alegar que no existe independencia entre ambas series por su grado de alejamiento del valor nulo (recordemos que el valor de r puede oscilar entre -1 y +1). En consecuencia puede aceptarse la validez de nuestra hiptesis n 1 que estableca la no independencia de la variable poblacin tambin para el caso de Francia.

B) Estudio de la independencia Economa-Poblacin en BLGICA Mostramos a continuacin los datos correspondientes a Blgica y para los aos 1900-1994, poblacin en miles de habitantes y PIB en miles de millones de dlares constantes de 1990.
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 Poblacin 6719 6801 6903 6997 7086 7175 7258 7338 7411 7478 7498 7517 7590 7666 7723 7759 7762 7729 7660 7628 7552 7504 7571 7635 PIB 24537 24759 25266 25835 26500 27260 27830 28242 28527 29065 29825 30521 31250 31661 29657 29300 31001 26622 21453 25306 29287 29793 32706 33877 136 Ao 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 Poblacin 8557 8614 8640 8679 8731 8778 8820 8869 8924 8989 9053 9104 9154 9184 9218 9283 9367 9448 9508 9557 9590 9613 9638 9673 PIB 42078 43787 46194 48821 48442 49993 52051 54520 56104 57148 57085 58890 62056 65159 68546 71522 76493 79216 81717 84883 88461 94350 100334 104007

1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947

7707 7779 7844 7904 7968 8032 8076 8126 8186 8231 8262 8288 8315 8346 8374 8392 8346 8276 8247 8242 8291 8339 8367 8450

34986 35524 36727 38088 40083 39735 39355 38658 36917 37708 37392 39703 39988 40526 39608 42299 37265 35302 32263 31515 33731 35365 37455 39703

1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994

9711 9742 9772 9801 9818 9845 9872 9837 9847 9853 9856 9855 9855 9858 9862 9870 9921 9938 9967 10005 10025 10045 10045

109516 115975 120724 118919 125568 126170 129621 132375 138074 136713 138771 139404 142412 143583 145673 148649 156058 161978 167519 170685 172078 169165 173028

Fuente: Angus Maddison. La economa mundial 1820-1992

Y sus representaciones grficas, ilustrativas de los avatares seguidos durante el siglo, son las siguientes:

Evolucinen Blgica 1900-1994 PIB de la Poblacin en Blgica 1900-1994

200000 180000 11000 160000 10000 140000 9000 120000 100000 8000 80000 7000 60000 6000 40000 20000 5000 0 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Como puede observarse, ambas series se mueven en la misma direccin, con una perceptible asociacin o paralelismo, de propensin creciente, con brechas en las fechas correspondientes a las dos guerras mundiales. Ya qued apuntado que la propensin creciente es circunstancia

137

frecuente en informacin relacionada con series de tiempo econmicas y que ha de alertarnos para evitar el problema de correlacin espuria, puesto que en ese caso un alto valor de R cuadrado puede no reflejar la verdadera asociacin entre ellas, sino simplemente la inclinacin comn en las dos series. Precisamente, para hacer nuestras series estacionarias y evitar el peligro de correlacin espuria recurrimos a la eliminacin de las tendencias, en nuestro caso adoptando la forma cbica que es la que produce, una vez llevado a cabo el mtodo de Oskar Lange, el mejor ajuste. Para ello efectuamos dos regresiones segn las siguientes ecuaciones:
Pobla = 0 + 1t + 2t + 3t + V PIB = 0 + 1t + 2t + 3t + V

Los residuos obtenidos sern nuestras series libres de tendencia, en adelante Pobla(l) y PIB(l), las cuales son estacionarias y permiten que llevemos a cabo los clculos de correlacin para, una vez admitida su acercamiento a la distribucin normal, establecer la independencia entre ellas si el coeficiente de correlacin es cero. Veamos los grficos de ambas series libres de tendencia:

Blgica:serie Pobla libre de tendencia

400 200 0 -200 -400 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Blgica: Serie PIB libre de tendencia

Millares
20 10 0 -10

138

-20 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Los estadsticos coeficiente de asimetra y Kurtosis, as como el valor correspondiente al contraste de Jarque-Bera, son los siguientes:
Serie: Pobla(l) Simetra = -0,246 Serie: PIB(l) Simetra = 0,205 Poblacin 1900-1994 libre de tendencia Kurtosis = 2,52 Contraste JB = 1,87

PIB 1900-1994 libre de tendencia Kurtosis = 2,43 Contraste JB = 1,99

Como vemos, no puede rechazarse la normalidad. El coeficiente de correlacin entre ambas series nos da el valor r = 0,597 que, por su significatividad, nos permite afirmar que no hay independencia entre las series de poblacin y economa (PIB) correspondientes a Blgica. C) Estudio de la independencia Economa-Poblacin en ALEMANIA El siguiente cuadro muestra los datos correspondientes a Alemania y para los aos 1900-1994, poblacin en miles de habitantes y PIB en miles de millones de dlares constantes de 1990.
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 Poblacin 31666 32134 32639 33126 33604 34078 34552 35038 35518 36001 36481 36928 37373 37483 38301 38637 38260 38063 37749 37966 38184 38610 38815 39070 39314 39608 39899 PIB 99227 96906 99227 104739 108946 111267 114604 119681 121712 124718 128676 133028 138830 145068 123598 117630 118521 118666 118956 104884 114024 126935 138105 114749 134333 149420 143327 Ao 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 Poblacin 48251 49198 49983 50528 50859 51350 51880 52382 53008 53656 54292 54876 55433 56175 56837 57389 57971 58619 59148 59286 59500 60067 60651 61302 61672 61976 62054 PIB 153772 179159 213976 235011 256626 279256 300726 336848 362526 383851 400533 431723 469151 490331 512816 527033 562139 592314 609142 607256 640912 688639 723745 745506 777276 815138 817314

139

1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947

40146 40378 40595 40811 41024 41207 41402 41642 41932 42208 42534 42990 43446 43792 44047 44417 44151 43809 45000 46190 46992

170020 173937 175968 165233 148405 134623 148695 160155 174662 192941 204546 220359 241103 242844 258221 261703 266926 273744 194682 115619 129836

1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994

61829 61531 61400 61327 61359 61566 61682 61638 61423 61175 61024 61066 61077 61451 62063 63254 63889 64486 65817 66802

805854 848939 873021 899278 936125 946280 947151 938301 954839 981677 1001551 1025052 1040284 1079018 1118041 1181871 1235546 1254840 1241059 1275730

Fuente: Angus Maddison. La economa mundial 1820-1992

A continuacin se muestran las representaciones grficas de las dos series de datos, poblacin y PIB en Alemania. Son destacables las sangras que produjeron las dos guerras mundiales, con una severa cada en el caso del PIB tras la II Guerra, al tiempo que el milagro alemn queda patente en la vigorosa recuperacin, de la economa y de la poblacin, que tiene lugar una vez alcanzada la paz.

Evolucin de la poblacin en Alemania 1900-1994

70 65 60 55 50 45 40 35 30 25 20

Millares

1900

1910

1920

1930

1940

1950

1960

1970

1980

1990

140

Siendo ambas series de propensin creciente hay, no obstante, tramos no concordantes, como puede apreciarse en los grficos entre 1970 y 1990. En esa fase la poblacin se estanca al nivel de 61 millones, mientras que el PIB prcticamente se duplica, pasando desde los 700.000 a los 1.200.000 millones de dlares constantes de 1900.Esta fase muestra poca asociacin Nuevamente, para hacer nuestras series estacionarias y evitar el peligro de correlacin espuria recurrimos a la eliminacin de las tendencias, adoptando la forma cbica una vez llevado a cabo el mtodo de Oskar Lange. Para ello efectuamos dos regresiones segn las siguientes ecuaciones:
Pobla = 0 + 1t + 2t + 3t + V

PIB en Alemania 1900-1994

1500000 1200000 900000 600000 300000 0 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990
PIB = 0 + 1t + 2t + 3t + V

Los residuos obtenidos sern nuestras series libres de tendencia, las cuales son estacionarias y permiten que llevemos a cabo los clculos de correlacin para, una vez admitida su acercamiento a la distribucin normal,

Alemania: Pobla libre de tendencia Alemania: serie PIB libre de tendencia

4000 150000 3000 100000 2000 50000 0 0 -50000 -1000 -100000 -2000 -150000 -3000
141

1000

-200000 -4000 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 1900 1910 1920 1930 1940 1950 1960 1970 1980

establecer la independencia entre ellas si el coeficiente de correlacin es cero. Estas dos series libres de tendencia han perdido ya la propensin creciente, mostrando ciclos coincidentes a lo largo del recorrido, salvo en el ltimo tramo desde 1980, en que parece desaparecer la semejanza entre los ciclos de poblacin y economa. En cualquier caso el fragoroso desenvolvimiento histrico de Alemania durante el siglo XX podra calificarse de cualquier modo menos de apacible senda, movindose su poblacin y su economa (PIB) con notable vigor en comparacin con otros pases europeos de su entorno, y sufriendo acentuadas cadas por las consecuencias blicas, ms profunda aqu que en esos mismo pases europeos Para el caso alemn, series de poblacin y PIB libres de tendencia, los estadsticos coeficiente de asimetra y Kurtosis, as como el valor correspondiente al contraste de Jarque-Bera, son los siguientes:
Serie: Pobla(l) Simetra = -0,236 Serie: PIB(l) Simetra = -1,03 Poblacin 1900-1994 libre de tendencia Kurtosis = 2,35 Contraste JB = 3,04

PIB 1900-1994 libre de tendencia Kurtosis = 1,84 Contraste JB = 16,44

La normalidad, que no puede rechazarse en la serie Pobla(l) al nivel de confianza del 95%, puede ser rechazada a ese nivel en la serie (PIB) ya que el valor del estadstico JB es superior a 6. Tanto el valor del coeficiente de simetra (-1,03, alejado del valor central 0) como el reducido valor de la Kurtosis (1,84, alejado del valor central 3) producen esta indefinicin respecto a la distribucin normal, si bien para nuestros fines aceptaremos la normalidad, siquiera sea con un menor grado de confianza respecto a los demostrados en anteriores series. . El coeficiente de correlacin entre ambas series libres de tendencia nos da el valor r = 0,399 que, al estar alejado del valor central cero, tiene la consideracin de significativo, y es esta significatividad, la que nos permite afirmar que no hay independencia entre las series de poblacin y economa (PIB) correspondientes a Alemania, de modo que tambin aqu quedara respaldada nuestra hiptesis n 1.

142

D) Estudio de la independencia Economa-Poblacin en ITALIA El siguiente cuadro muestra los datos correspondientes a Italia y para los aos 1900-1994, poblacin en miles de habitantes y PIB en miles de millones de dlares constantes de 1990.
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 Poblacin 33672 33877 34166 34436 34715 35011 35297 35594 35899 36213 36572 36917 37150 37248 37526 37982 38142 37981 37520 37250 37398 37691 38086 38460 38810 39165 39502 39848 40186 40469 40791 41132 41431 41753 42093 42429 42750 43068 43419 43865 44341 44734 45004 45177 45290 45442 45725 46040 PIB 58799 62616 60870 63770 64366 67958 70511 78460 80353 86558 83420 88852 89571 93399 93326 104396 117128 122641 124466 103662 94641 93203 98019 103942 104965 111895 113067 110621 118532 122443 116411 125735 119469 118664 119162 130638 130866 139828 140833 151092 152025 150159 148294 134304 109122 85432 111920 131506 143 Ao 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 Poblacin 46381 46733 47105 47418 47666 47957 48299 48633 48921 49182 49476 49832 50198 50524 50844 51199 51601 51988 52332 52667 52787 53317 53661 54015 54400 54769 55130 55441 55701 55730 56127 56292 56416 56503 56639 56825 56983 57128 57221 57331 57441 57525 57647 57783 57900 58017 58134 PIB 138967 149227 161351 173476 186421 199899 210270 222475 232562 246325 259449 275630 290574 315053 339591 363813 377977 386481 406657 435584 472048 498996 510200 518457 532466 570200 601208 585330 623810 644825 668514 708617 738598 742707 744295 751487 771661 791741 814904 840402 874586 900271 919511 930999 939685 933147 953602

Fuente: Angus Maddison. La economa mundial 1820-1992

Las representaciones grficas de los datos anteriores, series de poblacin y PIB en Italia durante el siglo XX, son las siguientes:

Evolucin de la Poblacin en ITALIA 1900-1994

Millares

70 60 50 40 30 20 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

1000 900 800 700 600 500 400 300 200 100 0 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Evolucin del PIB en ITALIA 19001994

A la vista de los datos originales no se aprecia una ajustada asociacin entre las lneas que representan las dos series correspondientes a Italia, ms all de una comn tendencia creciente. Las cadas del PIB en los perodos blicos no se corresponden con significativas cadas de la poblacin y luego, a partir de 1950, la pendiente de la grfica del PIB es muy superior a la de la lnea de suave crecimiento de la poblacin.
144

Millares

Tal y como hemos procedido en los casos anteriores, aplicando la metodologa de eliminacin de tendencia de Oskar Lange y adoptando la forma cbica al ser la que produce el mejor ajuste, efectuamos dos regresiones segn las siguientes ecuaciones:
Pobla = 0 + 1t + 2t + 3t + V PIB = 0 + 1t + 2t + 3t + V

Los residuos obtenidos sern nuestras series libres de tendencia, las cuales son estacionarias y permiten que llevemos a cabo los clculos de correlacin para el estudio de la presunta independencia. Estas son las representaciones grficas de las series una vez eliminada la tendencia.

Italia: Serie Pobla libre de tendencia

1500 1000 500 0 -500 -1000
1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

145

Para estas series (Italia) de poblacin y PIB libres de tendencia, los estadsticos coeficiente de asimetra, Kurtosis, y contraste Jarque-Bera, presentan estos valores:
Serie: Pobla(l) Simetra = 0,52 Serie: PIB(l) Simetra = -0,53 Poblacin 1900-1994 libre de tendencia Kurtosis = 3,03 Contraste JB = 4,27

PIB 1900-1994 libre de tendencia Kurtosis = 2,92 Contraste JB = 4,59

En ambos casos la normalidad, no puede rechazarse al nivel de confianza del 95%, ya que el valor del estadstico JB es inferior a 6.

Italia: Serie PIB libre de tendencia

Millares
75 50 25 0 -25 -50 -75 -100 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

. El coeficiente de correlacin entre ambas series libres de tendencia nos da el valor r = 0,502, cuya significatividad, nos permite afirmar que no hay independencia entre las series de poblacin y economa (PIB) correspondientes a Italia, respaldando nuestra hiptesis n 1.

E) Estudio de la independencia Economa-Poblacin en el REINO UNIDO

146

El siguiente cuadro muestra los datos correspondientes al Reino Unido para los aos 1900-1994, poblacin en miles de habitantes y PIB en miles de millones de dlares constantes de 1990.
Ao 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 Poblacin 38426 38784 39115 39445 39786 40131 40486 40837 41199 41568 41938 42267 42424 42622 42996 43268 43430 43523 43487 43449 43718 44072 44372 44596 44915 45059 45232 45389 45578 45672 45866 46074 46335 46520 46666 46868 47081 47289 47494 47991 48226 48216 48400 48789 49016 49182 49217 49519 PIB 176504 176504 181008 179078 180150 185512 191731 195377 187442 191731 197736 203527 206529 214464 216609 233981 239128 241272 242774 216394 203312 186798 196449 202669 211033 221327 213177 230335 233123 239985 238270 226045 227761 234409 249851 259502 271297 280734 284165 286953 315691 344430 353008 360729 346574 331347 316978 312260 Ao 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 Poblacin 50014 50312 50363 50574 50737 50880 51066 51221 51430 51657 51870 52157 52373 52807 53292 53625 53991 54350 54643 54959 55214 55461 55632 55907 56079 56210 56224 56215 56206 56179 56167 56227 56314 56379 56335 56377 56488 56618 56763 56930 57065 57236 57411 57649 57848 58349 58702 PIB 322125 334135 344859 355153 354509 368450 383462 397402 402335 408769 407911 424425 448874 463672 468390 486405 512141 525437 535517 547527 569832 581627 594924 606719 627737 674061 662695 657762 675777 691433 715667 735827 719528 710306 722530 749767 768425 795233 829548 869009 912331 932276 935922 914690 910401 928630 961014

Fuente: Angus Maddison. La economa mundial 1820-1992

147

Los siguientes grficos corresponden a los datos anteriores:

Millares Millares

PIB del Reino Unido 1900-1994 Evolucin de la Poblacin en Reino 1250 Unido 1900-1994

1000 70 750 60 500

50 40

250 0 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

30 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Nuevamente aplicamos la metodologa de eliminacin de tendencia de Oskar Lange, adoptando la forma cbica al ser la que produce el mejor ajuste, para lo que efectuamos dos regresiones segn las siguientes ecuaciones:
Pobla = 0 + 1t + 2t + 3t + V PIB = 0 + 1t + 2t + 3t + V

Los residuos obtenidos son nuestras series libres de tendencia, las cuales son estacionarias y permiten que llevemos a cabo los clculos de correlacin para el estudio de la presunta independencia. He aqu sus grficas:

Reino Unido: Pobla libre de tendencia

1500 1000 500 0 -500 -1000 -1500 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

148

Reino Unido: PIB libre de tendencia

60000 40000 20000 0 -20000 -40000 -60000 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990

Es posible deducir, de la propia visin de las grficas, la estacionariedad que han alcanzado nuestras series de poblacin y PIB, correspondientes al Reino Unido, libres de tendencia. Una vez efectuados los clculos, los estadsticos coeficiente de asimetra, Kurtosis, y contraste Jarque-Bera, presentan estos valores:
Serie: Pobla(l) Simetra = 0,50 Serie: PIB(l) Simetra = 0,57 Poblacin 1900-1994 libre de tendencia Kurtosis = 2,53 Contraste JB = 4,47

PIB 1900-1994 libre de tendencia Kurtosis = 2,72 Contraste JB = 4,59

En ambos casos la hiptesis nula H(0) la serie sigue la distribucin normal no puede rechazarse al nivel de confianza del 95%, ya que el valor del estadstico JB es inferior a 6. . Calculando el coeficiente de correlacin entre ambas series libres de tendencia obtenemos el valor r = 0,389, significativo por su alejamiento del cero y que nos permite afirmar que no hay independencia entre las series de poblacin y economa (PIB) correspondientes al Reino Unido; en su lugar cierto grado de asociacin est presente y demuestra que la evolucin de ambas magnitudes ha estado relacionada, respaldando nuestra hiptesis n 1.

149

Una vez realizado el estudio sobre la posible independencia estadstica entre las series de poblacin y economa (PIB) en los cinco pases europeos seleccionados, procede deducir conclusiones de conjunto, a lo cual ayuda el siguiente cuadro de los coeficientes de correlacin ya calculados: Coeficiente de correlacin entre series de Poblacin y PIB libres de tendencia 0,822 0,597 0,399 0,502 0,389 0,715

Pas FRANCIA BLGICA ALEMANIA ITALIA REINO UNIDO ESPAA

Todos los coeficientes de correlacin son significativos, indicadores de relacin positiva entre las variables, de una asociacin que contradice la presunta independencia entre ellas. Con mayor o menor grado, desde el 0,822 de Francia, muy significativo, al 0,389 del Reino Unido, ocupando el segundo lugar el valor obtenido para Espaa: 0,715 Estos valores refuerzan cuanto decamos para el caso espaol: por el alejamiento de estos coeficientes de correlacin del valor nulo puede aceptarse, en todos los casos, la validez de la hiptesis n 1 que estableca la no independencia de la variable poblacin. Recordemos asimismo que no hemos podido rechazar la normalidad de las series de poblacin y PIB libres de tendencia, al nivel de confianza del 95%, salvo en el caso del PIB alemn en que estbamos en una zona de menor confianza. La normalidad de las series y la significatividad de los coeficientes de correlacin permiten afirmar que el caso espaol no es una excepcin, antes bien corrobora un extendido o generalizado panorama de no independencia de la variable poblacin.

150