Estimación de la inflación latente en Venezuela

Estudio IESA N° 28

Juan Carlos Bencomo, Hugo Faría, Hugo Montesinos y José Roberto Rondón

Derechos exclusivos 2006 © IESA Hecho el depósito de ley Depósito legal: lf23920063302631 ISBN: 980-217-310-X

Para ser publicado como Estudio IESA un texto tiene que ser aprobado por el Comité de Publicaciones. Las opiniones expresadas son del autor y no deben atribuirse al IESA, a sus directivos ni a Ediciones IESA. Para cualquier información sobre este estudio, favor dirigirse a Ediciones IESA, Apartado 1640, Caracas, Venezuela 1010-A. Teléfono: 58-212-555.44.52. Fax: 58-212-555-44-45. Dirección electrónica: [email protected].

Contenido Resumen...................................................................................................................................

4

Introducción.............................................................................................................................

5

La inflación latente y su importancia.................................................................................

6

Metodología..............................................................................................................................

7

Visión general.................................................................................................................

7

Resultados................................................................................................................................

9

Determinación del orden de integración......................................................................

9

Análisis de cointegración..............................................................................................

10

Planteamiento del VAR.....................................................................................................

11

Modelo VARE.....................................................................................................................

11

Comparación entre la inflación observada y latente...................................................

12

Función de impulso-respuesta......................................................................................

13

Análisis de descomposición de varianza....................................................................

14

Conclusiones y recomendaciones.....................................................................................

14

Bibliografía................................................................................................................................

21

Estudio IESA

Resumen La variación porcentual del Índice de Precios al Consumidor (IPC) constituye en la práctica el indicador más utilizado para medir la inflación. Este indicador, sin embargo, presenta algunos problemas. Además de errores de medición vinculados al IPC, está el problema de la incongruencia entre la definición de inflación como alza generalizada y sostenida de precios, y la medida tradicional asociada al IPC. Esta investigación calcula la inflación latente en Venezuela, hoy en día el país latinoamericano con más inflación. La inflación latente es el componente de la inflación tradicional que no impacta la producción real en largo plazo, siendo congruente con planteamientos de la teoría económica, concretamente con la curva de Phillips vertical. Adicionalmente, refleja más fielmente el crecimiento sostenido en el nivel general de precios susceptible de ser impactado por la política monetaria. Este indicador es calculado estableciendo restricciones dinámicas sobre un sistema de vectores autorregresivos.

4

Estudio IESA

lo tanto, la inflación latente obedece a un concepto de teoría económica, compatible con una curva de Phillips vertical, lo que evita formulaciones ad hoc presentes en la construcción de medidas alternativas de inflación como el núcleo inflacionario. El cálculo de la inflación latente se obtiene mediante un sistema de Vectores Autorregresivos Estructurales ( VARE ), el cual es identificado utilizando restricciones dinámicas sugeridas por Blanchard y Quah (1989). Concretamente, suponemos que la inflación medida por las variaciones porcentuales del Índice de Precios al Consumidor está impactada por dos tipos de perturbaciones no correlacionadas. La primera tiene impactos irrestrictos sobre la producción y la inflación, aunque no impacta la inflación latente. La segunda, no impacta el producto en el mediano y largo plazo. La inflación latente calculada corresponde a este segundo choque que no impacta al producto (Quah y Vahey, 1995). En nuestro estudio, los resultados obtenidos reflejan de forma congruente la evolución de la inflación. El indicador inflación latente permitió validar la correspondencia entre la teoría económica asociada a su cálculo y su relación con la medida de inflación tradicional. Los resultados asociados al análisis de las funciones de impulsorepuesta y de descomposición de varianza son compatibles con los planteamientos teóricos y con las restricciones identificadoras. Así, encontramos que la inflación latente tiene escaso impacto sobre la producción, aun en el corto plazo, lo que explica escasamente menos de un 1 por ciento de la variación total del error de predicción de la producción. Adicionalmente, detectamos discrepancias entre la inflación latente y la medida tradicional basada en el IPC, lo que sugiere períodos de sobre y subestimación de las presiones inflacionarias capaces de inducir errores en la conducción de la política monetaria. El trabajo de investigación está organizado de la siguiente manera: en la primera sección presentamos una breve descripción de la inflación latente, justificando la importancia de su cálculo.

Introducción La estabilidad en la variación del nivel general de precios (definición teórica de la inflación) es uno de los objetivos primordiales que persigue todo Banco Central a través de la política monetaria, en particular aquellos cuyo mandato principal es mantener el poder adquisitivo de la moneda. En la práctica, se emplea la variación porcentual del Índice de Precios al Consumidor (IPC) como el indicador más representativo del fenómeno inflacionario. Sin embargo, este sólo constituye el promedio de las variaciones en el costo de un conjunto de bienes y servicios, además de reflejar cierta clase de distorsiones (factores estacionales, cambios en precios relativos, entre otros), las cuales pueden traducirse en una medida imprecisa de la inflación. En este sentido, si las autoridades monetarias reaccionaran ante estas variaciones, ello podría generar costos severos sobre el sector real de la economía. A pesar de sus limitaciones, la variación porcentual del IPC constituye en muchos países la medida más utilizada de inflación. Esto ha llevado a las instituciones que tienen por responsabilidad su cálculo, a buscar medidas alternativas que provean información complementaria de utilidad sobre el proceso inflacionario, a fin de depurarlo de variaciones en precios que escapan al control de la política monetaria. Se desea obtener un indicador más acorde con la definición teórica de inflación como fenómeno monetario de largo plazo, y por lo tanto capaz de ser afectado por la política monetaria. Este trabajo de investigación intenta contribuir a la comprensión del fenómeno inflacionario venezolano (el más alto de Latinoamérica), al generar un indicador de inflación que haga más eficaz la conducción de la política monetaria. Más específicamente, el objetivo es la construcción de un indicador complementario al IPC denominado inflación latente. Esta se define como la inflación que no impacta el ingreso real y, en consecuencia, es compatible con la noción de la clásica dicotomía entre el sector real y nominal de la economía. Por 5

Estudio IESA

La segunda sección muestra la metodología utilizada para calcular la inflación latente. Los resultados son mostrados en la tercera sección, la cual también coteja e interpreta la evolución de la variación porcentual del IPC con la inflación latente, y presenta análisis de funciones de impulso respuesta y de descomposición de varianzas. Las conclusiones y recomendaciones del estudio se presentan en la última sección.

una hipótesis económica explícita de largo plazo que sostiene que la inflación es un fenómeno de carácter monetario. Ellos definen la inflación latente como aquel componente de la medida observada (IPC) que no tiene impacto a mediano y largo plazo sobre la producción real. Esto implica la noción comúnmente aceptada de que una vez renegociados los contratos, los movimientos de precios tienen efectos fundamentalmente sobre las variables nominales (Mateos y Gaytán, 1998). Esta interpretación es compatible con la noción de una curva de Phillips vertical1. En su trabajo, Quah y Vahey (1995) suponen que los cambios observados en el IPC están afectados por dos tipos de perturbaciones, no correlacionadas entre sí, que se distinguen por su efecto sobre la producción: 1. El primer tipo puede tener un efecto significativo a mediano y largo plazo sobre el nivel potencial o de largo plazo de la actividad económica. 2. El segundo de ellas no tiene impacto en la producción después de un horizonte fijo de tiempo, aun cuando puede tener cierto efecto en horizontes temporales más cortos. De esta forma, los autores definen la inflación latente como el componente del indicador de inflación observado, asociado sólo con la segunda clase de perturbaciones. Cabe señalar que la clasificación anterior de las perturbaciones no permite distinguir si se trata de choques de oferta o de demanda. No obstante no deja de tener validez afirmar que la mayoría de los choques de oferta tienen un efecto permanente sobre el producto y los de demanda un efecto transitorio. De acuerdo con Quah y Vahey (1995) y Mateos y Gaytan (1998), la inflación latente y su comparación con el IPC, produce información relevante sobre el tipo de presiones inflacionarias a que está sujeta la economía. Si los cambios en la

La inflación latente y su importancia Intentamos determinar la existencia a largo plazo de una tasa de inflación independiente de fluctuaciones reales, empleando para ello un análisis multivariable, sin excluir ningún componente del índice general. Quah y Vahey (1995), pioneros en este tipo de cálculo, denominan al indicador así obtenido inflación latente. Como se indicó anteriormente, el IPC posee limitaciones como medida de inflación, ya que no refleja en su totalidad los movimientos en el nivel general de precios, sólo representa el promedio de variaciones en el costo de un conjunto determinado de bienes y servicios. De acuerdo con Melo y Hamann (1998), una buena medida de inflación debe reflejar los siguientes aspectos: 1. No debe responder a fluctuaciones transitorias en la oferta de bienes de la economía. 2. Debe reflejar adecuadamente la inflación de demanda de la economía. Es decir, precisamos nosotros, debe reflejar los movimientos sostenidos de precios. La determinación de un indicador con estas características, permitiría analizar las presiones inflacionarias susceptibles de ser afectadas por políticas monetarias, aportando información de mucho interés para los analistas y autoridades económicas. Quah y Vahey (1995) proponen una técnica para obtener un indicador que cumpla con las características expuestas previamente, basados en

1

6

Según Melo y Hamann (1998), la literatura internacional presenta evidencia contundente de una alta correlación entre inflación y crecimiento monetario. No ocurre lo mismo para el grado de asociación entre inflación y crecimiento del producto real en el largo plazo.

Estudio IESA

estructurales 2 , mediante la imposición de restricciones estadísticas que suponen que ambos tipos de perturbación son independientes. Adicionalmente, se establece que éstas se distinguen por su efecto sobre la producción. Mientras que el primer shock pudiera tener un impacto en el mediano y largo plazo sobre la producción, la perturbación número dos se caracteriza por no tenerlo, aunque sí pudiera afectar dicha producción en horizontes menores. En este contexto, la inflación latente se define como aquella derivada sólo de la segunda clase de perturbación3. En el cálculo del componente latente y no latente, la metodología de Quah y Vahey (1995) emplea información sobre variables de precios y producción. Para este trabajo de investigación se utilizaron el Índice de Precios al Consumidor y el Índice de Volumen de la Producción Industrial, respectivamente. Fue necesario aplicar técnicas de empalme de series al índice de volumen, ya que durante el lapso de estudio existieron diferentes años base4.

medida convencional de inflación basada en el IPC son semejantes a aquellos en la inflación latente, ello indicaría la ausencia de choques de largo plazo sobre el producto, y por lo tanto que los mismos obedecen a factores sobre los cuales puede influir la política monetaria. Por otra parte, es de esperarse que cuando existen perturbaciones negativas (positivas) que afectan el nivel de producción de largo plazo, la inflación será superior (inferior) a la inflación latente. Conforme se disipe el efecto sobre la inflación de estas perturbaciones, ésta tenderá a converger a la inflación latente. Estas comparaciones permiten una mejor interpretación de la coyuntura económica. La principal limitante de este enfoque es que las perturbaciones que afectan a la medida de inflación y al producto no son directamente observables. Como se presentará posteriormente, el cálculo de la inflación latente se obtiene a partir de la instrumentación de un modelo de vectores autorregresivos estructurales para dos variables (precios y producto). Siguiendo la metodología de Quah y Vahey (1995) que a su vez se nutre de Blanchard y Quah (1989), se identifican las perturbaciones estructurales y se descompone el IPC en sus componentes latente y no latente.

Descripción de la metodología para el cálculo de la inflación latente5 Definiendo Y y P en logaritmos naturales como la producción y los precios, y suponiendo que Y y P son series integradas de orden uno, I(1), y no están cointegradas, se calcula un modelo VAR estructural, que expresado en forma de promedio móvil bivariable:

Metodología

∞

∞

k =0

k =0

∞

∞

k =0

k =0

∆Yt = ∑ c11 (k )ε 1,t − k + ∑ c12 (k )ε 2,t − k

Visión general

∆Pt = ∑ c21 (k )ε 1,t − k + ∑ c22 (k )ε 2,t − k

Como se señalara en la sección anterior, las dos perturbaciones estructurales que afectan a la inflación y al producto no son observables de forma directa. En este sentido, Quah y Vahey (1995) calculan un modelo de vectores autorregresivos ( VAR ) bajo restricciones estructurales ( VARE ), propuesto originalmente por Blanchard y Quah (1989), a fin de identificar estos elementos y descomponer la serie observada de inflación en sus componentes latente y no latente. Bajo los supuestos de esta metodología, se realiza la identificación de las perturbaciones

2

3 4 5

7

Cuando se define un modelo VAR de dos variables, el vector del término de error et contiene dos componentes. En el caso de los modelos VARE, ciertas restricciones estructurales definen otro vector de errores εt, compuesto por dos elementos, definidos en este trabajo como primer ε1t y segundo tipo de perturbaciones ε2t. Es necesario señalar que bajo la especificación impuesta en el VARE, la propia definición de inflación latente constituye una de las condiciones de identificación. Una especificación de la técnica de empalme utilizada se presenta en el anexo 1. El desarrollo que se presenta en este apartado está basado en Enders (2004). Un análisis más riguroso se encuentra en Melo y Hamann (1997).

Estudio IESA

En forma más compacta:

∆Yt  C11 ( L) ∆P  = C ( L)  t   21

de un VAR expresado en forma estándar. Dado que las variables son estacionarias, sabemos que la siguiente representación existe:

C12 ( L) ε1t  . C 22 ( L)  ε 2t 

∆Yt   A11 ( L) ∆P  =  A ( L)  t   21

ε t = (ε 1,t , ε 2,t )' es un vector ruido blanco, con varianzas constantes y Cij ( L) polinomios en el operador de rezago L. Por ejemplo:

Donde Aij(k) es un polinomio en el operador de rezago L y e1t y e2t son errores de media cero, varianza constante e individualmente no correlacionados serialmente pero correlacionados contemporáneamente. El elemento clave para la identificación del VARE es que los residuos del VAR normal o estándar son términos compuestos de las innovaciones ε1t y ε2t. Considerado que ambas representaciones son equivalentes, debe cumplirse:

C11 ( L) = C11 (0) + C11 (1) L + C11 ( 2) L2 + C11 (3) L3 + ....

Por razones de conveniencia, supongamos que la matriz de varianzas y covarianzas de los errores estructurales es igual a la matriz identidad. Para utilizar la metodología de Blanchard y Quah, por lo menos una de las variables debe ser no estacionaria, en virtud de que variables I(0) no tienen componentes permanentes. Sin embargo, para usar la metodología ambas variables deben ser estacionarias, de ahí que las estemos representando en primeras diferencias. La clave para descomponer la serie de precios en sus componentes permanentes y estacionarios es suponer que un choque tiene un efecto transitorio y otro permanente sobre la producción. Precisamente esta dicotomía es lo que permite la identificación del VAR estructural (las innovaciones estructurales) a partir del VAR expresado en forma reducida o VAR estándar. Concretamente, suponemos que el choque ε2t no tiene un impacto permanente sobre la producción, por lo tanto, el efecto acumulado de ε2t sobre la secuencia ∆Y es cero. Concretamente, debe cumplirse: ∞

∑c

A12 ( L) ∆Yt −1  e1t  . + A 22 ( L)  ∆Pt −1  e2t 

e1t = c11 (0)ε 1t + c12 (0)ε 2t y e2t = c21 (0)ε 1t + c22 (0)ε 2t (2)

En forma matricial:

e1t  c11 (0) e  =   2 t  c21 (0)

c12 (0)  ε1t  . c 22 (0) ε 2t 

Si los coeficientes fuesen conocidos, sería posible recobrar las innovaciones ε1t y ε2t a partir de los residuos e1t y e2t. Sin embargo, dada la expresión matricial arriba y la restricción de largo plazo

∞

∑c k =0

12

(k ) = 0 , se

(k )ε 2 ,t − k = 0

obtienen cuatro restricciones que per miten

En virtud de que esto es cierto para cualquier realización de ε2, debe cumplirse

identificar a los cuatro cij(0). Los residuos del VAR permiten calcular Var (e1), Var (e2), y Cov (e1, e2), las cuales dado (2) y en virtud de que

k =0

12

E[ε 1t .ε 2t ] = 0 y la normalización de la matriz de varianzas y covarianzas de εt , adoptan la siguiente forma: Restricción 1:

∞

∑ c12 (k ) = 0 k =0

Considerando que las innovaciones estructurales transitorias y permanentes no son observables, el problema consiste en calcularlas a partir

VAR (e1 ) = c11 (0) 2 + c12 (0) 2 8

Estudio IESA

Restricción 2:

El cálculo del residuo latente resulta de la aplicación de la siguiente ecuación:

VAR(e2 ) = c21 (0) 2 + c22 (0) 2

e1,t −i = c11 (0)ε 1,t −i + c12 (0)ε 2 ,t −i

e2 ,t −i = c21 (0)ε 1,t −i + c22 (0)ε 2,t −i

Restricción 3: E (e1t .e2t ) = c11 (0).c21 (0) + c12 (0) + c22 (0)

Para los detalles asociados al cálculo de la inflación latente véase el anexo 3.

La restricción 4 viene dada por el supuesto de que ε2 no tiene impacto sobre la secuencia el largo plazo. Específicamente:

en

Resultados

X t = A( L ) LX t + et ∴ [ I − A( L )] X t = et ∴ X t = [ I − A( L ) L ]−1 et

donde: I − A( L) L = D por tanto:

Determinación del orden de integración Para la determinación del orden de integración de las variables se aplicó la prueba aumentada de Dickey-Fuller; en el período comprendido entre enero de 1991 y febrero 2005, se determinó que el IPC y el Índice de Volumen de la Producción Industrial Desestacionalizado, expresados en logaritmos, son I(1), tal como se presenta en los cuadros 1 y 3: Cuadro 1

A12 ( L) L  e1t  ∆Yt  1 1 − A22 ( L) L = ∆P  =  A ( L) L 1 − A11 ( L) L  e2t   t  D  21 ∞ ∞   k +1 a k L a12 (k )Lk +1  1 ( ) − ∑ ∑ 22  e  1  k =0 k =0   1t  ∞ D ∞  e k +1 a k L a11 (k ) Lk +1   2t  ( ) 1 − ∑ ∑ 21  k =0  k =0 

∆Yt

Test de Dickey-Fuller Logaritmo del Índice de Precios al Consumidor 1991:01 – 2005:02

En consecuencia: ∆Yt =

∞ ∞  1    1 − ∑ a22 (k ) Lk +1  e1t + ∑ a12 (k ) Lk +1.e2t  D   k =0 k =0  

Null Hypothesis: LNIPC has a unit root

En virtud de (2) y haciendo uso de que la secuencia ε2t no tiene impacto de corto plazo en Yt y considerando sólo los términos relevantes, es decir, los que contienen ε2t.

Exogenous: Constant Lag Length: 1 (Automatic based on SIC, MAXLAG=13) t-Statistic Augmented Dickey-Fuller

∞ ∞   k +1  − + 1 a ( k ) L c (0) ε a12 ( k ) Lk +1c22 (0)ε 2t = 0    ∑ 22 ∑ 2t  12 k =0    k =0 

es:

Prob.*

Esta expresión debe anularse para cualquier realización de ε2t , por tanto la restricción (4)

test statistic

-2.332920

Test critical values: 1% level

-3.469451

5% level

-2.878618

10% level

-2.575954

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

∞ ∞   1 a ( k ) c (0) a12 (k )c22 (0) = 0 − + ∑ ∑ 22 12   k =0  k =0 

9

0.1629

Estudio IESA

Cuadro 2

Cuadro 4

Test de Dickey-Fuller Diferencia Logarítmica del Índice de Precios al Consumidor 1991:01 – 2005:02

Test de Dickey-Fuller Diferencia Logarítmica del Índice del Volumen de la Producción Industrial Desestacionalizado 1991:01 – 2005:02

Null Hypothesis: DLNIPC has a unit root Exogenous: Constant

Null Hypothesis: D(LVOL_SA) has a unit root

Lag Length: 0 (Automatic based on SIC, MAXLAG=13)

Exogenous: Constant

t-Statistic

Lag Length: 1 (Automatic based on SIC, MAXLAG=13)

Prob.*

Augmented Dickey-Fuller

t-Statistic

Prob.*

test statistic

-13.82448

0.0000

Test critical values: 1% level

-3.469691

5% level

-2.878723

10% level

-2.576010

Augmented Dickey-Fuller

test statistic

-4.316616

Test critical values: 1% level

-3.469451

5% level

-2.878618

10% level

-2.575954

0.0006

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios

En el caso de la Diferencia Logarítmica del Índice de Precios al Consumidor (DLNIPC), la hipótesis nula de la existencia de una raíz unitaria es rechazada al 1 por ciento de significación, como indica el cuadro 3. Es decir, la inflación (medida como la tasa de crecimiento del IPC en términos logarítmicos) es estacionaria. En lo que concierne a la diferencia del Logaritmo del Índice del Volumen de la Producción Industrial Desestacionalizado, el rechazo de la hipótesis nula al 1 por ciento también sugiere la estacionariedad o integración de orden cero, I(0), de esta serie.

Cuadro 3 Test de Dickey-Fuller Logaritmo del Índice de Volumen de la Producción Industrial Desestacionalizado 1991:01 – 2005:02 Null Hypothesis: LVOL_SA has a unit root Exogenous: Constant Lag Length: 2 (Automatic based on SIC, MAXLAG=13) t-Statistic

Prob.*

test statistic

-2.313772

0.1689

Test critical values:1% level

-3.469691

Augmented Dickey-Fuller

5% level

-2.878723

10% level

-2.576010

Análisis de cointegración El análisis de cointegración en el marco de modelos tipo VAR, permite inferir la existencia de relaciones estables a largo plazo entre las variables que lo conforman. Específicamente, se dice que dos variables están cointegradas si al considerarse de forma conjunta existen combinaciones lineales entre ellas que reflejen comportamientos estables (estacionarios), aun cuando individualmente sean no estacionarias. Las pruebas de cointegración de Engle y Granger (1987), Johansen (1988), Stock y Watson (1988) y Johansen y Juselius (1990), son las más empleadas para la determinación de este

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

10

Estudio IESA

exhiban tendencias estocásticas, no estén cointegradas. Para la determinación de la existencia o no de cointegración, se aplicó el test de Johansen al modelo VAR construido a partir del Índice de Precios al Consumidor y del Índice de Volumen de Producción Industrial Desestacionalizado expresados en forma logarítmica. Los resultados se presentan en el siguiente cuadro donde no se documentan vectores de cointegración.

tipo de comportamiento. En general, la existencia de cointegración entre dos variables requiere que la combinación lineal exhiba un orden de integración inferior al de las variables. Más precisamente, un vector de variables I(d) está cointegrado de orden (d,b), expresado como CI (d,b), si existe una combinación lineal que es I(db) siendo b positiva. La aplicación de la metodología de Quah y Vahey (1995) exige que las dos series, aunque

Cuadro 5 Test de Johansen sobre el modelo VAR construido con información de los logaritmos del Índice de Precios al Consumidor y del Índice de Volumen de Producción Industrial Desestacionalizado (1991:01 – 2005:02) Date: 07/16/05 Time: 23:41 Sample: 1991M01 2005M02 Included observations: 165 Series: LVOL_SA LNIPC Lags interval: 1 to 4 Selected (0.05 level*) Number of Cointegrating Relations by Model Data Trend: None None Linear Linear Quadratic Test Type No Intercept Intercept Intercept Intercept Intercept No Trend No Trend No Trend Trend Trend Trace 0 0 0 0 0 Max-Eig 0 0 0 0 0 *Critical values based on MacKinnon-Haug-Michelis (1999)

de las raíces inversas de los polinomios característicos y la prueba de raíz unitaria sobre los residuos, a fin de establecer si son estacionarios. Un detalle de los resultados obtenidos se presenta en el anexo 2.

Planteamiento del VAR Luego de establecer el orden de integración, se construyó un modelo VAR para el crecimiento del Índice de Precios al Consumidor (DLNIPC), y la diferencia del logaritmo del Índice de Volumen de la Producción Industrial Desestacionalizado (DLVOL_SA), el cual incluyó tres rezagos, tres variables dicotómicas y una constante6. La selección del número de rezagos óptimo se basó en los criterios de Akaike y Schwarz, el análisis 6

Modelo VARE Obtenido el modelo VAR, se incorpora la restricción de identificación, donde la inflación latente corresponde a aquellos cambios en el IPC que no afectan al producto en el largo plazo, luego de un horizonte temporal determinado. A partir de la metodología expuesta anteriormente, se calculó el componente latente del IPC7.

Específicamente se incorporó una dummy referida a la variable precios en mayo de 1996, a objeto de considerar el crecimiento atípico de la inflación en ese mes, como consecuencia del levantamiento del control de cambios y de precios en abril de ese año. De forma similar se introdujeron dos variables dummy vinculadas al indicador de volumen en diciembre de 2002 y febrero de 2003, con la finalidad de evitar distorsiones conse-cuencia de la paralización nacional de actividades a partir del mes de diciembre.

7

11

Una limitación presente en el cálculo empírico de este indicador, es que los residuos estructurales identificados representan el cambio en la inflación latente. Como se señaló anteriormente, en el anexo 3 se detalla la metodología empleada para la recuperación y obtención del índice latente.

Estudio IESA

medidas tienden a estabilizarse con una ligera tendencia a desacelerarse. Esta desaceleración es congruente con la menor tasa de depreciación experimentada por el bolívar frente al dólar. De acuerdo con la teoría, este escenario de la inflación latente superando a la medida, es de carácter temporal al disiparse los efectos positivos, el crecimiento en el IPC debe converger a la inflación latente, lo cual comienza a ocurrir a partir del año 2002.

Comparación entre la inflación observada y latente El siguiente gráfico presenta los resultados del cálculo anualizado de la inflación latente y su comparación con la evolución anual del Índice de Precios al Consumidor. El comportamiento de la inflación latente hasta el año de 1995 se comporta erráticamente reflejando probablemente el impacto de la condición inicial, (ver anexo 3), los generalizados controles de precios y en particular el shock de la crisis bancaria. A partir de 1995, la comparación entre la inflación latente y la inflación medida por las variaciones porcentuales del IPC, podemos obtener las siguientes conclusiones.

Período 2002-2004 Ambos indicadores muestran un comportamiento similar. No obstante, la inflación medida por el IPC tiende a desacelerarse, lo cual es explicable por la existencia de controles de precios y los choques favorables asociados al mayor precio del petróleo. La inflación latente tiende a acelerarse a partir del 2004. Este comportamiento es compatible con el fuerte crecimiento experimentado por los agregados monetarios como consecuencia del control de cambios, el cual ha disminuido sensiblemente los flujos de dólares hacia el exterior por concepto de la cuenta capital.

Período 1996-2001 En general, la inflación latente superó al nivel obser vado del IPC , situación que denota la existencia de shocks positivos sobre el producto. El año de 1997 se caracterizó por una fuerte desinflación. A partir de 1998 la inflación latente superó a la medida por el IPC, no obstante, ambas

Gráfico 1 INFLACIÓN LATENTE 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2

var ipc anual

var lat anual

Fuente: Banco Central de Venezuela. Cálculos propios.

12

2004M11

2004M08

2004M05

2004M02

2003M11

2003M08

2003M05

2003M02

2002M11

2002M08

2002M05

2002M02

2001M11

2001M08

2001M05

2001M02

2000M11

2000M08

2000M05

2000M02

1999M11

1999M08

1999M05

1999M02

1998M11

1998M08

1998M05

1998M02

1997M11

1997M08

1997M05

1997M02

1996M11

1996M08

1996M05

1996M02

1995M11

1995M08

1995M05

1995M02

1994M11

1994M08

1994M05

1993M11

1993M08

1993M05

1993M02

1992M11

1992M08

1992M05

0

1994M02

0,1

Estudio IESA

Función de impulso-respuesta Response to Structural One S.D. Innovations

Gráfico 2

Gráfico 3

Response of DLVOL_SA to Shock1

Response of DLVOL_SA to Shock2

.05

.05

.04

.04

.03

.03

.02

.02

.01

.01

.00

.00

-.01

-.01

-.02

-.02 5

10

15

20

25

30

35

40

45

50

5

10

15

Gráfico 4

20

25

30

35

40

45

50

Gráfico 5

Response of DLNIPC to Shock1

Response of DLNIPC to Shock2

.010

.010

.008

.008

.006

.006

.004

.004

.002

.002

.000

.000

-.002

-.002

-.004

-.004 5

10

15

20

25

30

35

40

45

50

5

Los gráficos 2-5 muestran las funciones de impulso respuesta inducidas por los shocks no latente (shock 1) y latente (shock 2) sobre la producción e inflación. Se obser va que la perturbación latente (gráfico 3) presenta un impacto ligero sobre la producción que tiende a estabilizarse rápidamente. La velocidad de ajuste rápida es coherente con la restricción identificadora, la cual establece que las perturbaciones latentes son neutrales sobre el producto. Es más, la ausencia de impactos sobre el producto es compatible con la existencia de una curva de Phillips vertical. La perturbación no latente (gráfico 2) tiene un efecto acumulado sustancialmente mayor sobre el

10

15

20

25

30

35

40

45

50

producto y le toma más tiempo para estabilizarse. Este resultado es compatible con la noción de que shocks transitorios de oferta explican innovaciones en la producción y su comportamiento. Las dos perturbaciones impactan diferentemente la inflación. El impacto de la perturbación latente (gráfico 5) es muy acentuado sugiriendo que un aumento de la cantidad de moneda tiene una incidencia contemporánea sobre la evolución de los precios. El efecto del shock no latente, que puede interpretarse como una innovación transitoria de oferta, es ligero y tiende a estabilizarse con relativa rapidez (gráfico 4), lo cual es compatible con la hipótesis de que perturba13

Estudio IESA

ciones no latentes introducen ruido sobre la inflación y no la afectan en el largo plazo.

Cuadro 6 Variance Decomposition of DLNIPC:

Análisis de descomposición de varianza La descomposición de la varianza del error de predicción indica la proporción de la variación de una secuencia debido a sus propias perturbaciones, y las ocasionadas por perturbaciones de la otra secuencia (variable). En el cuadro 5, se observa que la contribución explicativa de la perturbación latente al volumen de producción es sistemáticamente menor que el del choque no latente. Es más, la contribución del choque latente es pequeña, nunca mayor al 5 por ciento. Por el contrario, el choque latente explica una alta proporción de la variación de la inflación observada (cuadro 6), mientras que la perturbación no latente nunca explica más del 10 por ciento de la variación de la inflación observada. Estos resultados son consistentes con los planteamientos antes señalados, relativos al papel que juegan las perturbaciones latentes y no latentes en la evolución de la producción y la inflación.

Shock_NLAT

Shock_LAT

1

0.048989

98.579240

1.420760

2

0.051749

94.380620

5.619375

3

0.052312

92.379130

7.620870

4

0.052455

92.374110

7.625886

5

0.052554

92.257300

7.742696

10

0.052600

92.171750

7.828248

20

0.052600

92.171540

7.828455

30

0.052600

92.171530

7.828466

40

0.052600

92.171530

7.828466

50

0.052600

92.171530

7.828466

100

0.052600

92.171530

7.828466

200

0.052600

92.171530

7.828466

300

0.052600

92.171530

7.828466

Shock_NLAT

Shock_LAT

1

0.009230

12.267410

87.732590

2

0.010908

13.880540

86.119460

3

0.011579

14.171110

85.828890

4

0.012197

13.000120

86.999880

5

0.012623

12.871570

87.128430

10

0.013554

12.348840

87.651160

20

0.013803

12.217030

87.782970

30

0.013816

12.210230

87.789770

40

0.013817

12.209870

87.790130

50

0.013817

12.209850

87.790150

100

0.013817

12.209850

87.790150

200

0.013817

12.209850

87.790150

300

0.013817

12.209850

87.790150

El concepto teórico de inflación está referido a la evolución sostenida en el nivel general de precios. En la práctica, el crecimiento porcentual del IPC es la medida de inflación más utilizada. No obstante, este indicador sólo constituye el promedio de las variaciones en el costo de un conjunto de bienes y servicios para un consumidor típico, además de estar influenciado por factores estacionales, irregulares y cíclicos, cambios en precios relativos, entre otros, los cuales pueden traducirse en una definición errónea de la inflación. En este trabajo de investigación se define, calcula y analiza una medida alternativa de inflación, complementaria al Índice de Precios al Consumidor, denominada inflación latente, la cual se define como el crecimiento de los precios que existiría en ausencia de choques al producto de largo plazo. Esta noción es compatible con la existencia de la curva de Phillips vertical al largo plazo. Para obtener este indicador, se emplea la metodología propuesta por Quah y Vahey (1995),

Variance Decomposition of DLVOL_SA: S.E.

S.E.

Conclusiones y recomendaciones

Cuadro 5 Period

Period

14

Estudio IESA

bajo el supuesto de que los cambios en el IPC son afectados por dos clases de perturbación. El primer tipo (perturbaciones no latentes) afectan el producto real del mediano al largo plazo, mientras que el segundo, perturbación latente, no lo impacta en el largo plazo. En este contexto, el componente latente de la inflación se asocia a aquel aumento de precios que se obtendría en ausencia de la primera clase de perturbaciones. No obstante, debe señalarse que los cálculos y resultados presentados son susceptibles de ser ampliados. Específicamente, en el caso de la inflación latente, limitaciones de carácter estadístico imposibilitaron el empleo del Indicador Mensual de Actividad Económica (IGAEM), calculado mas no publicado por el Banco Central de Venezuela, el cual comprende una proporción

representativa (80 por ciento) del total de las actividades productivas desarrolladas en el país, en términos del Producto Interno Bruto (PIB). Por otra parte, pudiesen incorporarse nuevas variables e imponer restricciones adicionales a la estructura dinámica del VAR. Finalmente, si bien el cálculo de la inflación latente contribuye a la comprensión del fenómeno inflacionario venezolano, consideramos que debe ser de interés para las autoridades responsables de la toma de decisiones de política económica continuar el análisis de estas y otras medidas complementarias. Un indicador complementario que incrementaría nuestro entendimiento del fenómeno inflacionario es el cálculo de la llamada inflación permanente o de largo plazo. Esto debe ser objeto de investigación futura.

15

Estudio IESA

ANEXO 1 DESCRIPCIÓN DE LA METODOLOGÍA PARA EL EMPALME DE LA SERIE DEL ÍNDICE DE VOLUMEN DE LA PRODUCCIÓN INDUSTRIAL

El indicador de volumen empleado en el cálculo de la inflación latente (Índice de Volumen de la Producción Industrial), experimentó modificaciones en lo que respecta al año base utilizado como referencia para su presentación. Específicamente, la información disponible desde 1991 hasta 1996 estaba expresada en términos del año base 1992, y de allí en adelante del año base 1997. Por tal motivo, fue necesario aplicar técnicas de empalme que permitiesen expresar la totalidad de la serie en función de la base más reciente. El empalme es el procedimiento a través del cual se efectúa un “enganche” entre las bases consideradas, dividiendo el índice correspondiente a la base anterior entre el índice expresado en términos de la nueva base, para el período “t”. En el caso de este trabajo, se seleccionó el mes de enero de 1997 como pivote, al ser el primer período asociado al nuevo año base.

coef =

IPC enero 97 ,1992 =100 IPC enero 97 ,1997 =100

El resultado de este cociente, conocido como “coeficiente de empalme”, se utilizó para dividir todos los índices de la base 1992, obteniéndose de esta manera la serie empalmada, la cual debe expresar exactamente las mismas variaciones reflejadas en la serie original.

16

Estudio IESA

ANEXO 2 CRITERIOS PARA LA SELECCIÓN DEL MODELO VAR

1. Criterio de información de Akaike y Schwarz: Ambos penalizan la inclusión de rezagos no significativos en la especificación del modelo: CIA =

2k SRC k SRC + ln ; CIS = ln .n + ln n n n n

donde: k= número de rezagos (incluyendo la intersección) n= número de observaciones SRC= suma de los residuos al cuadrado Al comparar varios modelos, se prefiere aquel con un menor valor para ambos. VAR Lag Order Selection Criteria Endogenous variables: DLVOL_SA DLNIPC Exogenous variables: C DUM_P DUM_V12 DUM_V2 Date: 07/16/05 Time: 23:22 Sample: 1991M01 2005M02 Included observations: 157 Lag

LogL

LR

FPE

AIC

SC

0

658.9995

NA

8.58e-07

-8.292988

-8.137255

-8.229739

1

756.9501

188.4145

2.59e-07

-9.489810

-9.256212*

-9.394938

2

766.4935

18.11425

2.42e-07

-9.560427

-9.248962

-9.433930*

3

771.9031

10.13008

2.37e-07*

-9.578384*

-9.189053

-9.420263

4

775.7039

7.020536

2.38e-07

-9.575846

-9.108649

-9.386101

5

778.1557

4.466288

2.43e-07

-9.556123

-9.011060

-9.334754

6

779.4822

2.382647

2.51e-07

-9.522066

-8.899137

-9.269073

7

780.2659

1.387820

2.62e-07

-9.481095

-8.780300

-9.196477

8

780.6285

0.632652

2.75e-07

-9.434757

-8.656096

-9.118516

9

781.4827

1.469131

2.86e-07

-9.394684

-8.538157

-9.046819

10

782.0096

0.892604

2.99e-07

-9.350440

-8.416047

-8.970950

11

788.0724

10.11756

2.92e-07

-9.376718

-8.364458

-8.965604

12

794.4034

10.40393*

2.84e-07

-9.406413

-8.316287

-8.963675

* indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

17

HQ

Estudio IESA

Se decidió tomar el número de rezagos sugerido por el criterio de información de Akaike (3), ya que en términos generales el criterio de Schwarz tiende a subestimar el número de rezagos.

2. Inversa de las raíces de los polinomios AR característicos Esta herramienta del programa econométrico EViews reporta la inversa de las raíces asociadas a los polinomios AR característicos. Si el modelo VAR especificado es estable a largo plazo (estacionario), todas las raíces deben tener módulos menores a la unidad. Roots of Characteristic Polynomial Endogenous variables: DLVOL_SA DLNIPC Exogenous variables: C DUM_P DUM_V12 DUM_V2 Lag specification: 1 3 Date: 07/16/05 Time: 23:24 Root

Modulus

0.863260

0.863260

-0.399031 - 0.413605i

0.574713

-0.399031 + 0.413605i

0.574713

-0.021866 - 0.440303i

0.440846

-0.021866 + 0.440303i

0.440846

0.264573

0.264573

No root lies outside the unit circle. VAR satisfies the stability condition.

3. Estacionariedad de los residuos Para que el modelo VAR especificado se considere representativo, los residuos de la regresión deben ser ruido blanco. Por tal motivo, se aplicó el test de Dickey-Fuller sobre los residuos de la inflación y el logaritmo del índice de volumen de la producción industrial; rechazándose la hipótesis de la existencia de raíz unitaria al 5 por ciento de significancia, tal como se presenta en los siguientes cuadros de salida:

18

Estudio IESA

Test Dickey-Fuller Residuos de inflación del modelo VAR 1991:04 – 2005:02 Null Hypothesis: RES_IPC has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=13) t-Statistic Augmented Dickey-Fuller test statistic Test critical values:

-11.076155 1% level

-3.470178

5% level

-2.878936

10% level

-2.576124

Prob.* 0.000000

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

Test Dickey-Fuller Residuos de LNVOL_SA del modelo VAR 1991:04 – 2005:02 Null Hypothesis: RES_VOL has a unit root Exogenous: Constant Lag Length: 0 (Automatic based on AIC, MAXLAG=13) t-Statistic Augmented Dickey-Fuller test statistic Test critical values:

-13.13224 1% level

-3.470179

5% level

-2.878937

10% level

-2.576124

*MacKinnon (1996) one-sided p-values. Fuente: Cálculos propios.

19

Prob.* 0.0000

Estudio IESA

ANEXO 3 CONSTRUCCIÓN DEL IPC LATENTE A PARTIR DE LOS RESIDUOS ESTRUCTURALES

Basados en los residuos estructurales asociados a la definición de inflación latente y obtenidos a partir de la ecuación (2) especificada en la sección “Metodología”, a continuación se describe el procedimiento utilizado para el cálculo del IPC latente de cada período:

1. En el período “t”, el residuo estructural latente representa la diferencia entre la inflación observada y la inflación latente calculada: Λ

Re slat t = d ln ipct − d ln ipclat t

(1)

2. De la relación anterior, puede conocerse la inflación latente calculada: Λ

d ln ipclat t = d ln ipct − Re slat t

(2)

3. A partir de la ecuación (2), puede especificarse la inflación latente calculada como una diferencia logarítmica: Λ

d ln ipclat t = Lnipclat t − Lnipclat t −1

(3)

En este punto, no se conoce el logaritmo del IPC latente correspondiente al período “t-1”. Se supone que el mismo es igual al logaritmo del IPC observado: Lnipclat t −1 = Lnipct −1

(4)

Sustituyendo (4) en (3), se obtiene el logaritmo del IPC latente del período “t”: Λ

Λ

Lnipclat t = Lnipct −1 + d ln ipclat t

(5)

Finalmente, el IPC latente del período “t” resulta de la integración del resultado de la ecuación (5). Para el período “t+1”, se sigue la misma metodología especificada en las ecuaciones (1) y (2), sustituyendo el logaritmo del IPCt observado de la ecuación (3) por el cálculo del logaritmo del IPCt latente, obtenido mediante la ecuación (4).

20

Estudio IESA

Bibliografía Álvarez, L. y M. de los Llanos Matea (1999): “Underlying Inflation Measures in Spain”. Documento de Trabajo, N° 991. Madrid: Banco de España. Banco Central de Venezuela (varios años): Informe Económico. Caracas: BCV. Blanchard, O. y D. Quah (1989): “The Dynamic Effects of Agregate Demand and Supply Disturbances”. American Economic Review, 79. Blanco, E. y B. Reyes (1999): “Inflación Subyacente”, Documento de Trabajo, N° 19. Caracas: Banco Central de Venezuela. Enders, W. (2004): Applied Econometric Time Series, segunda edición. John Wiley. Engle, R. y C. Granger (1987): “Cointegration and Error-Correction: Representation, Estimation and Testing”. Econometrica, 55. Espasa, A. y J.R. Cancelo (1993): Métodos cuantitativos para el análisis de la coyuntura económica. Madrid: Alianza Editorial. Fermín, Z. y E. Paracare (2000): “Un indicador mensual de actividad económica (IGAEM)”. Documento de trabajo, N° 22. Caracas: Banco Central de Venezuela. Johansen, S. (1988): “Statistical Analysis of Cointegrating Vectors”. Journal of Economics Dynamics and Control, 12. Johansen, S. y K. Juselius (1990): “Maximum Likelihood Estimation and Inference on Cointegration with Application to the Demand for Money”. Oxford Bulletin of Economics and Statistics, 52. Mateos, C. y A. Gaytán (1998): “Medidas alternativas de inflación”. Serie Documentos de Investigación. Documento No. 9802. México: Banco de México. Melo, L. y F. Hamann (1997): “Inflación básica: Un análisis basado en Trabajo. Colombia: Banco de la República.

VAR

estructurales”. Documento de

Quah, D. and S.P. Vahey (1995): “Measuring Core Inflation”. The Economic Journal. September, 11301143. Stock, J. y M. Watson (1988): “Testing for Common Trends”. Journal of the American Statistical Association, 83. Valverde, A.C., E. Salas y J.C. Solano (2002): “Aspectos conceptuales sobre series de tiempo: Nociones básicas”. DIE / 02/ 2002 NT. Costa Rica: Banco Central de Costa Rica.

21